Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Matrice de densité: Recap et Bloch 'Ball'

Dans cours

COM-309: Introduction to quantum information processing

Information is processed in physical devices. In the quantum regime the concept of classical bit is replaced by the quantum bit. We introduce quantum principles, and then quantum communications, key distribution, quantum entropy, and spin dynamics. No prio ...

Description

Cette séance de cours couvre le concept de matrice de densité, axée sur les mélanges statistiques d'états et la combinaison convexe d'états dans le mélange. L'instructeur explique la terminologie, les propriétés et les mesures liées aux matrices de densité, en utilisant des exemples avec des états purs et mixtes.

Enseignant·e

Nicolas Macris

Nicolas Macris received the PhD degree in theoretical physics from EPFL and then pursued his scientific activity at the mathematics department of Rutgers University (NJ, USA). He then joined the Faculty of Basic Science of EPFL, working in the field of quantum statistical mechanics and mathematical aspects of the quantum Hall effect. Since 2005 he is with the Communication Theories Laboratory and Information Processing group of the School of Communication and Computer Science and currently works at the interface of statistical mechanics, information theory and error correcting codes, inference and learning theory. He held long-term visiting appointments and collaborations with the University College and the Institute of Advanced studies in Dublin, the Ecole Normale Supérieure de Lyon, the Centre de Physique Theorique Luminy Marseille, Paris XI Orsay, the ETH Zürich and more recently Los Alamos National Lab. CV and publication list.

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Informatique théorique

Theory of computation: Informatique quantique

Concepts associés (32)

Combinaison convexe

En géométrie affine, une combinaison convexe de certains points est un barycentre de ces points avec des coefficients tous positifs. L'ensemble des combinaisons convexes de ces points est donc leur enveloppe convexe. Soit E un espace affine réel (c'est-à-dire que les scalaires sont les nombres réels). Si et sont des points de E, une combinaison convexe des est un point de la forme où sont des réels positifs de somme 1. Le problème du point extrême consiste à déterminer si un point P0 est ou non une combinaison convexe de points Pi, 1 ≤ i ≤ n.

Ensemble convexe

Un objet géométrique est dit convexe lorsque, chaque fois qu'on y prend deux points et , le segment qui les joint y est entièrement contenu. Ainsi un cube plein, un disque ou une boule sont convexes, mais un objet creux ou bosselé ne l'est pas. On suppose travailler dans un contexte où le segment reliant deux points quelconques et a un sens (par exemple dans un espace affine sur R — en particulier dans un espace affine sur C — ou dans un ).

Information quantique

La théorie de l'information quantique, parfois abrégée simplement en information quantique, est un développement de la théorie de l'information de Claude Shannon exploitant les propriétés de la mécanique quantique, notamment le principe de superposition ou encore l'intrication. L'unité qui est utilisée pour quantifier l'information quantique est le qubit, par analogie avec le bit d'information classique.

Matrice densité

En physique quantique, la matrice densité, souvent représentée par , est un objet mathématique introduit par le mathématicien et physicien John von Neumann permettant de décrire l'état d'un système physique. Elle constitue une généralisation de la formulation d'un état physique à l'aide d'un ket , en permettant de décrire des états plus généraux, appelés mélanges statistiques, que la précédente formulation ne permettait pas de décrire.

Loi de mélange

En probabilité et en statistiques, une loi de mélange est la loi de probabilité d'une variable aléatoire s'obtenant à partir d'une famille de variables aléatoires de la manière suivante : une variable aléatoire est choisie au hasard parmi la famille de variables aléatoires donnée, puis la valeur de la variable aléatoire sélectionnée est réalisée. Les variables aléatoires sous-jacentes peuvent être des nombres réels aléatoires, ou des vecteurs aléatoires (chacun ayant la même dimension), auquel cas la répartition du mélange est une répartition à plusieurs variables.

Afficher plus

Séances de cours associées (53)

Matrices de densité réduite: System+Environnement

Couvre le concept de matrices de densité et l'interaction système-environnement.

Opérateur de densité: Matrice à l'état du système

Explore la transformation matricielle de l'opérateur de densité en physique quantique et les implications de la mesure du système, conduisant à l'effondrement de l'état.

Information quantique : matrices de densité

Explore les matrices de densité, la représentation des états quantiques et l'entropie dans l'information quantique.

Principes relatifs à l'information quantique

Couvre les principes mathématiques de la physique quantique, y compris les espaces Hilbert et les bits quantiques.

Opérateur de densité : Physique quantique II

Couvre le concept de matrice à l'opérateur de densité en physique quantique.

Afficher plus

Concepts associés (32)

Combinaison convexe

Ensemble convexe

Information quantique

Matrice densité

Loi de mélange

Afficher plus