Resumo: Neste trabalho, apresentamos um novo algoritmo para realizar a discriminação ótima de N estados quânticos puros não-ortogonais, que fornece o melhor conjunto de medidas POVM para o problema, através da extensão do espaço de Hilbert de N para 2N - 1 dimensões. O algoritmo é baseado na programação semidefinida e na solução de sistemas lineares. O algoritmo foi implementado em Matlab e apresentou bons resultados computacionais.
Resumo: Neste trabalho, apresentamos um novo algoritmo para realizar a discriminação ótima de N estados quânticos puros não-ortogonais, que fornece o melhor conjunto de medidas POVM para o problema, através da extensão do espaço de Hilbert de N para 2N - 1 dimensões. O algoritmo é baseado na programação semidefinida e na solução de sistemas lineares. O algoritmo foi implementado em Matlab e apresentou bons resultados computacionais.
Resumo: A preparação, manipulação e caracterização de sistemas quânticos são tarefas essenciais para a computação quântica. Em Tomografia de Estados Quânticos, o objetivo é encontrar uma estimativa para a matriz de densidade, associada a um ensemble de estados quânticos identicamente preparados, baseando-se no resultado de medições. Este é um importante procedimento em computação e informação quântica, sendo aplicado, por exemplo, para verificar a fidelidade de um estado preparado ou em tomografia de processos quânticos. Nesta tese, estudamos métodos matemáticos aplicados aos problemas que surgem na reconstrução de estados quânticos. Na estimação por Máxima Verossimilhança, apresentamos dois métodos para a resolução dos problemas de otimização dessa abordagem. O primeiro se baseia em uma reparametrização da matriz de densidade e, neste caso, provamos a equivalência das soluções locais do problema de otimização irrestrita associado. No segundo, relacionado à verossimilhança multinomial, demonstramos a convergência global do método sob hipóteses mais fracas que as da literatura. Apresentamos também duas formulações para o caso de tomografia com um conjunto incompleto de medidas: Máxima Entropia e Tomografia Quântica Variacional. Propusemos uma nova formulação para a segunda, de modo a apresentar propriedades mais parecidas as da Máxima Entropia, mantendo a estrutura de um problema de programação semidefinida linear. Para outros problemas de otimização sobre o espaço de matrizes de densidade além do problema da Tomografia de Estados Quânticos, apresentamos um método de Gradiente Projetado que se mostrou efetivo em testes numéricos preliminares. Por fim, discutimos sobre a implementação de inferência Bayesiana, através de métodos Monte Carlo via cadeias de Markov, no problema de estimação da matriz de densidade
O método de Adomian é usado na solução de equações diferenciais não lineares com resíduo, em áreas das engenharias. Nesse trabalho, usaremos o método para transformar a Equação de Schrödinger não linear em um sistema de equações lineares para, então, estudar a construção de um algoritmo quântico de Adomian. Como método, realizamos uma revisão bibliográfica do método de Adomian e utilizamos Matlab para aplicar o método, no caso de um sistema clássico. Já quanto a versão quântica do método, fizemos uma revisão bibliográfica de algoritmos quânticos e identificamos possibilidades de usos de algoritmos quânticos para equações diferenciais lineares que podem ser utilizados, após a aplicação do método de Adomian. Nesse particular, discutimos abordagens que poderão ser úteis em trabalhos futuros. Resultados os resíduos do método de Adomian são muito variáveis em ordem de grandeza, contudo, em certas condições, o método apresenta soluções muito próximas da solução real. A ideia de algoritmo quântico proposto neste trabalho precisa ser aprofundada em estudos futuros para ser testada de forma apropriada, dependendo do sistema que se queira trabalhar.
Desde a publicação do problema de Einstein-Podolsky-Rosen e da resposta de John Bell, houve um extenso esforço para compreender e caracterizar as formas pelas quais a mecânica quântica se afasta da física clássica. De forma complementar, uma questão relacionada é entender como o mundo clássico emerge das leis quânticas. Nesta tese, inicialmente revisamos a estrutura matemática das teorias de probabilidade generalizadas para descrever as estatísticas que podem surgir de um experimento físico, quântico ou não, e definimos a contextualidade generalizada como uma noção de não-classicalidade. Em seguida, investigamos a tarefa de comunicação de discriminação de estados no contexto das teorias de probabilidade generalizadas, dando atenção especial ao caso quântico. Finalmente, a principal contribuição deste trabalho é mostrar que a geometria do espaço de estados de uma teoria de probabilidade generalizada impõe naturalmente restrições sobre o quão bem tarefas de discriminação de estados podem ser realizadas. Isso é feito por meio do estabelecimento de cotas inferiores para a probabilidade de erro ótima das tarefas de discriminação de estados. Ademais, aplicamos estas cotas para obter teoremas que relacionam contextualidade generalizada a tarefas de discriminação de estados, bem como para analisar o efeito de tais tarefas na emergência da objetividade via estruturas de spectrum broadcast.
A reconstrucão de frentes de onda _e um problema que aparece em muitas áreas da física e da engenharia, e resulta em muitas aplicações importantes. Cristalografia de raios-x, microscopia eletrônica, caracterização temporal de lasers de femtosegundo, deconvolução cega de imagens degradadas e imageamento tomográfico são exemplos de áreas que, quando não envolvendo diretamente a reconstrução de uma frente de onda, se beneficiaram das técnicas desenvolvidas para resolver este problema. Em geral, os dispositivos de medição são capazes de obter as intensidades da frente de onda, mas não suas fases; as ferramentas num_ericas utilizadas para recuperá-las ficaram, portanto conhecidas como algoritmos de recuperação de fase. Neste trabalho, nós propusemos o uso desses algoritmos para reconstruir estados quânticos puros codificados em modos espaciais transversais de fótons { individuais os chamados qudits espaciais. Nós fizemos adaptações significativas aos algoritmos encontrados na literatura, de modo a adequá-los às características experimentais desse tipo de codificação. A mais eminente dessas adaptações foi magnificar as amplitudes no plano de Fourier, de forma a compensar o pequeno intervalo de frequências medidas. Isso resultou em uma grande melhora na qualidade dos resultados. Para demonstrar essa técnica, nós realizamos um experimento de prova de princípio com um feixe _óptico que mimetizava estados de qudits espaciais com dimensões D = 2; 3; 4; 7 e 9. Depois de compensados certos desvios experimentais, os estados recuperados apresentaram fidelidades frequentemente acima de 99% com relação ao estado que se desejava preparar, mostrando que os algoritmos de recuperação de fase podem ser uma boa ferramenta para a caracterização de estados quânticos.
Reconhecendo que a área de aprendizado de máquina quântica é um caminho promissor para oferecer uma revolução nos métodos inteligentes de processamento de dados, propõe-se um método de aprendizado híbrido baseado nos métodos de kernel clássicos. Esta proposta também exige que um algoritmo quântico seja desenvolvido para o cálculo de produto interno entre vetores sobre valores contínuos. Para isso ser possível, foi preciso realizar adaptações no método kernel clássico, visto que é necessário considerar as limitações impostas pelo espaço de Hilbert do processador quântico. Como um caso de teste, foi verificada a capacidade do algoritmo de aprender a classificar se novos pontos gerados aleatoriamente, em um quadrado finito localizado sob um plano, se encontravam dentro ou fora de um círculo localizado no interior deste quadrado. Verificou-se que o algoritmo foi capaz de detectar corretamente novos pontos em 99% dos casos testados, com uma pequena diferença devido a considerar o raio levemente maior do que o idealizado. O método kernel se mostrou capaz de realizar classificações corretamente, assim como o algoritmo do produto interno efetuou satisfatoriamente os cálculos de produto interno utilizando recursos quânticos. Assim, o presente trabalho representa uma contribuição para a área propondo um novo modelo de aprendizado de máquina acessível tanto a físicos quanto a cientistas da computação.