A melhor estratégia para a discriminação de estados quânticos não ortogonais está relacionada com o melhor conjunto de medidas POVM. Apresentamos um novo algoritmo para o problema, estendendo o espaço de Hilbert associado e usando a programação semidefinida e a resolução de sistemas não-lineares.
Campos Lavor, pela amizade, oportunidade e honra de trabalharmos juntos.Sem a sua dedicação e competência, este trabalho não estaria concluído.Aos membros da banca examinadora, pela disponibilidade, atenção despendida ao trabalho, correções, críticas e elogios.Em especial, ao Prof. Dr. Wilson R. M. Rabelo, que durante todo o desenvolvimento da tese sempre respondia às minhas dúvidas com bastante objetividade e clareza, a sua ajuda foi muito importante.Aos professores do Imecc pelos conhecimentos passados durante o curso de doutorado.Em particular, ao Prof. Dr. Petrônio Pulino, pelos valiosos auxílios em programação em MatLab.Ao Prof. Dr. Leo Liberti da École Polytechnique -França, pela oportunidade do estágio em seu grupo de pesquisa.Ao meu esposo Goldwin, pela cumplicidade e amor incondicional.Por ter amor forte e tolerante para entender uma doutoranda em final de projeto; por participar junto nos meus sonhos; por ser meu companheiro "of Gold."Aos meus pais Ademir e Marta, pelo amor, estímulo, carinho e compreensão, que através de um sorriso sincero, sempre me fizeram lembrar que os sonhos são possíveis.Às minhas irmãs Katiane e Tays, pela inarrável oportunidade de ter convivido juntas durante a infância e junventude, compartilhando momentos alegres e sempre apoiando umas às outras nos momentos difícies.Aos meus cunhados Guilherme e Paulo, que também acompanharam essa jornada com grande incentivo e carinho.Ao meu novo amigo Wendel, que sempre à distância nunca mediu esforços para ajudar-me a entender o pacote CSDP, meu sincero agradecimento.Aos meus colegas e amigos do grupo de pesquisa, Carina, Cristiano e Nolmar, pela interação, convívio e a inegável ajuda sempre que precisei.Às amigas Marta e Sônia pela amigável convivência durante a minha estadia em Campinas.À FAPESP que tornou possível esta pesquisa através do apoio financeiro e científico.Meu sincero agradecimento ao assessor deste projeto.Finalmente, meu agradecimento a todos que direta ou indiretamente contribuíram para a realização deste trabalho: professores, funcionários, amigos e familiares.vi 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.
[pt] A superioridade de desempenho dos algoritmos quânticos, em alguns problemas específicos, reside no uso direto de fenômenos da mecânica quântica para realizar operações com dados em computadores quânticos. Esta característica fez surgir uma nova abordagem, denominada Computação com Inspiração Quântica, cujo objetivo é criar algoritmos clássicos (executados em computadores clássicos) que tirem proveito de princípios da mecânica quântica para melhorar seu desempenho. Neste sentido, alguns algoritmos evolutivos com inspiração quântica tem sido propostos e aplicados com sucesso em problemas de otimização combinatória e numérica, apresentando desempenho superior àquele dos algoritmos evolutivos convencionais, quanto à melhoria da qualidade das soluções e à redução do número de avaliações necessárias para alcançá-las. Até o presente momento, no entanto, este novo paradigma de inspiração quântica ainda não havia sido aplicado à Programação Genética (PG), uma classe de algoritmos evolutivos que visa à síntese automática de programas de computador. Esta tese propõe, desenvolve e testa um novo modelo de algoritmo evolutivo com inspiração quântica, denominado Programação Genética Linear com Inspiração Quântica (PGLIQ), para a evolução de programas em código de máquina. A Programação Genética Linear é assim denominada porque cada um dos seus indivíduos é representado por uma lista de instruções (estruturas lineares), as quais são executadas sequencialmente. As contribuições deste trabalho são o estudo e a formulação inédita do uso do paradigma da inspiração quântica na síntese evolutiva de programas de computador. Uma das motivações para a opção pela evolução de programas em código de máquina é que esta é a abordagem de PG que, por oferecer a maior velocidade de execução, viabiliza experimentos em larga escala. O modelo proposto é inspirado em sistemas quânticos multiníveis e utiliza o qudit como unidade básica de informação quântica, o qual representa a superposição dos estados de um sistema deste tipo. O funcionamento do modelo se baseia em indivíduos quânticos, que representam a superposição de todos os programas do espaço de busca, cuja observação gera indivíduos clássicos e os programas (soluções). Nos testes são utilizados problemas de regressão simbólica e de classificação binária para se avaliar o desempenho da PGLIQ e compará-lo com o do modelo AIMGP (Automatic Induction of Machine Code by Genetic Programming), considerado atualmente o modelo de PG mais eficiente na evolução de código de máquina, conforme citado em inúmeras referências bibliográficas na área. Os resultados mostram que a Programação Genética Linear com Inspiração Quântica (PGLIQ) apresenta desempenho geral superior nestas classes de problemas, ao encontrar melhores soluções (menores erros) a partir de um número menor de avaliações, com a vantagem adicional de utilizar um número menor de parâmetros e operadores que o modelo de referência. Nos testes comparativos, o modelo mostra desempenho médio superior ao do modelo de referência para todos os estudos de caso, obtendo erros de 3 a 31% menores nos problemas de regressão simbólica, e de 36 a 39% nos problemas de classificação binária. Esta pesquisa conclui que o paradigma da inspiração quântica pode ser uma abordagem competitiva para se evoluir programas eficientemente, encorajando o aprimoramento e a extensão do modelo aqui apresentado, assim como a criação de outros modelos de programação genética com inspiração quântica.
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.
resumo A computação quântica possibilita a resolução eficiente de problemas complexos, superando métodos clássicos em diversas aplicações. Em 2009, Harrow, Hassidim e Lloyd propuseram um algoritmo para solução de sistemas lineares, demonstrando aceleração exponencial (em condições ideais) com complexidade p o l y ( log N ), em contraste com abordagens clássicas que, no caso geral, apresentam complexidade da ordem de O ( N 3 ), ainda que possam atingir O ( N ) em casos específicos com matrizes esparsas. Esse algoritmo tem potencial para avanços em aprendizado de máquina, equações diferenciais, regressão linear e ataques a criptossistemas. No entanto, sua estrutura é complexa e há poucos materiais detalhados disponíveis na literatura. Neste contexto, este artigo pretende apresentar um tutorial abordando os fundamentos físicos e matemáticos do algoritmo HHL, direcionado para estudantes de graduação, explicando sua construção teórica e implementação para a resolução de sistemas de equações lineares. Após a discussão dos conceitos matemáticos e físicos subjacentes, apresentamos exemplos numéricos ilustrando a evolução do circuito quântico. Por fim, analisamos sua complexidade, limitações e perspectivas futuras. Os exemplos abordados são comparados com suas simulações clássicas, permitindo uma avaliação operacional da performance do algoritmo.
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.