重ね合わせ(スーパーポジション)
前のレッスンでは、Qubit が |0⟩ と |1⟩ が混ざった重ね合わせ になれることを学びました。 では、実際にどうやって「回っているコイン」の状態を作るのでしょうか?
アダマールゲート(H)
量子コンピュータは、Qubit に ゲート(=状態を変える操作)をかけて計算します。 重ね合わせを作る代表的なゲートが アダマールゲート(H) です。
|0⟩ に H をかける → 50%:50% の重ね合わせ(表でも裏でもあるコイン)
- もう一度 H をかけると…なんと
|0⟩ に戻ります!
「もう一度かけると戻る」のは量子計算の大きな特徴。古典コンピュータではありえない現象です。
アダマールでコインを回してみよう
下の回路図の通り、|0⟩ にアダマールゲートを 1 回または 2 回かけてから測定します。
import%20marimo%20as%20mo%0Aimport%20numpy%20as%20np%0Aimport%20matplotlib.pyplot%20as%20plt%0A%0A%23%20%E5%9F%BA%E6%9C%AC%E3%82%B2%E3%83%BC%E3%83%88%EF%BC%88%E3%83%A6%E3%83%8B%E3%82%BF%E3%83%AA%E8%A1%8C%E5%88%97%EF%BC%89%0AH%20%3D%20np.array(%5B%5B1%2C%201%5D%2C%20%5B1%2C%20-1%5D%5D%2C%20dtype%3Dcomplex)%20%2F%20np.sqrt(2)%20%20%23%20%E3%82%A2%E3%83%80%E3%83%9E%E3%83%BC%E3%83%AB%0AX%20%3D%20np.array(%5B%5B0%2C%201%5D%2C%20%5B1%2C%200%5D%5D%2C%20dtype%3Dcomplex)%20%20%23%20NOT%20%E3%82%B2%E3%83%BC%E3%83%88%0AZ%20%3D%20np.array(%5B%5B1%2C%200%5D%2C%20%5B0%2C%20-1%5D%5D%2C%20dtype%3Dcomplex)%20%20%23%20Z%20%E3%82%B2%E3%83%BC%E3%83%88%0A%0Adef%20init_state(n)%3A%0A%20%20%20%20%22%22%22n%20%E9%87%8F%E5%AD%90%E3%83%93%E3%83%83%E3%83%88%E3%81%AE%E5%88%9D%E6%9C%9F%E7%8A%B6%E6%85%8B%20%7C00...0%3E%22%22%22%0A%20%20%20%20state%20%3D%20np.zeros(2**n%2C%20dtype%3Dcomplex)%0A%20%20%20%20state%5B0%5D%20%3D%201%0A%20%20%20%20return%20state%0A%0Adef%20apply1(state%2C%20gate%2C%20q)%3A%0A%20%20%20%20%22%22%221%20%E9%87%8F%E5%AD%90%E3%83%93%E3%83%83%E3%83%88%E3%82%B2%E3%83%BC%E3%83%88%20gate%20%E3%82%92%20qubit%20q%20%E3%81%AB%E9%81%A9%E7%94%A8%22%22%22%0A%20%20%20%20n%20%3D%20int(np.log2(len(state)))%0A%20%20%20%20perm%20%3D%20%5Bq%5D%20%2B%20%5Bi%20for%20i%20in%20range(n)%20if%20i%20!%3D%20q%5D%0A%20%20%20%20s%20%3D%20np.transpose(state.reshape(%5B2%5D%20*%20n)%2C%20perm)%0A%20%20%20%20s%20%3D%20(gate%20%40%20s.reshape(2%2C%20-1)).reshape(%5B2%5D%20*%20n)%0A%20%20%20%20s%20%3D%20np.transpose(s%2C%20np.argsort(perm))%0A%20%20%20%20return%20s.reshape(-1)%0A%0Adef%20apply_h(state%2C%20q)%3A%0A%20%20%20%20return%20apply1(state%2C%20H%2C%20q)%0A%0Adef%20apply_x(state%2C%20q)%3A%0A%20%20%20%20return%20apply1(state%2C%20X%2C%20q)%0A%0Adef%20apply_z(state%2C%20q)%3A%0A%20%20%20%20return%20apply1(state%2C%20Z%2C%20q)%0A%0Adef%20apply_cnot(state%2C%20c%2C%20t)%3A%0A%20%20%20%20%22%22%22%E5%88%B6%E5%BE%A1%20qubit%20c%20%E3%82%92%E5%85%83%E3%81%AB%E3%80%81%E6%A8%99%E7%9A%84%20qubit%20t%20%E3%82%92%E5%8F%8D%E8%BB%A2%E3%81%95%E3%81%9B%E3%82%8B%20CNOT%22%22%22%0A%20%20%20%20n%20%3D%20int(np.log2(len(state)))%0A%20%20%20%20perm%20%3D%20%5Bc%2C%20t%5D%20%2B%20%5Bi%20for%20i%20in%20range(n)%20if%20i%20not%20in%20(c%2C%20t)%5D%0A%20%20%20%20s%20%3D%20np.transpose(state.reshape(%5B2%5D%20*%20n)%2C%20perm).reshape(4%2C%20-1)%0A%20%20%20%20s%5B%5B2%2C%203%5D%5D%20%3D%20s%5B%5B3%2C%202%5D%5D%0A%20%20%20%20s%20%3D%20np.transpose(s.reshape(%5B2%5D%20*%20n)%2C%20np.argsort(perm))%0A%20%20%20%20return%20s.reshape(-1)%0A%0Adef%20measure_counts(state%2C%20shots%3D1024%2C%20seed%3D42)%3A%0A%20%20%20%20%22%22%22%E6%B8%AC%E5%AE%9A%E3%82%92%20shots%20%E5%9B%9E%E3%81%8F%E3%82%8A%E8%BF%94%E3%81%97%E3%80%81%E3%83%93%E3%83%83%E3%83%88%E5%88%97%E3%81%94%E3%81%A8%E3%81%AE%E5%9B%9E%E6%95%B0%E3%82%92%E8%BF%94%E3%81%99%22%22%22%0A%20%20%20%20probs%20%3D%20np.abs(state)%20**%202%0A%20%20%20%20probs%20%3D%20probs%20%2F%20probs.sum()%20%20%23%20%E6%B5%AE%E5%8B%95%E5%B0%8F%E6%95%B0%E7%82%B9%E8%AA%A4%E5%B7%AE%E5%AF%BE%E7%AD%96%E3%81%A7%E6%AD%A3%E8%A6%8F%E5%8C%96%0A%20%20%20%20rng%20%3D%20np.random.default_rng(seed)%0A%20%20%20%20n%20%3D%20int(np.log2(len(state)))%0A%20%20%20%20counts%20%3D%20%7B%7D%0A%20%20%20%20for%20s%20in%20rng.choice(2**n%2C%20size%3Dshots%2C%20p%3Dprobs)%3A%0A%20%20%20%20%20%20%20%20bits%20%3D%20format(s%2C%20f%220%7Bn%7Db%22)%20%20%23%20%E5%B7%A6%E3%81%8C%20qubit0%EF%BC%88%E6%9C%80%E4%B8%8A%E4%BD%8D%EF%BC%89%E2%86%92%20%E9%A0%86%E3%81%AB%20qubit1%2C%20...%0A%20%20%20%20%20%20%20%20counts%5Bbits%5D%20%3D%20counts.get(bits%2C%200)%20%2B%201%0A%20%20%20%20return%20counts%0A%0Adef%20plot_counts(counts%2C%20title%3D%22Measurement%20results%22)%3A%0A%20%20%20%20%22%22%22%E6%B8%AC%E5%AE%9A%E3%82%AB%E3%82%A6%E3%83%B3%E3%83%88%E3%81%AE%E3%83%92%E3%82%B9%E3%83%88%E3%82%B0%E3%83%A9%E3%83%A0%E3%82%92%E6%8F%8F%E3%81%8F%EF%BC%88%E2%80%BBWASM%E6%8F%8F%E7%94%BB%E3%81%AE%E3%81%9F%E3%82%81%E6%96%87%E5%AD%97%E3%81%AF%E8%8B%B1%E5%AD%97%E3%81%AE%E3%81%BF%EF%BC%89%22%22%22%0A%20%20%20%20keys%20%3D%20sorted(counts)%0A%20%20%20%20vals%20%3D%20%5Bcounts%5Bk%5D%20for%20k%20in%20keys%5D%0A%20%20%20%20fig%2C%20ax%20%3D%20plt.subplots(figsize%3D(7%2C%203.8))%0A%20%20%20%20ax.bar(keys%2C%20vals%2C%20color%3Dplt.cm.viridis(np.linspace(0.25%2C%200.85%2C%20len(keys))))%0A%20%20%20%20ax.set_title(title)%0A%20%20%20%20ax.set_xlabel(%22Outcome%20(bitstring)%22)%0A%20%20%20%20ax.set_ylabel(%22Counts%22)%0A%20%20%20%20ax.set_ylim(0%2C%20max(vals)%20*%201.2%20%2B%201)%0A%20%20%20%20return%20fig%0A%0Adef%20plot_state(state%2C%20title%3D%22State%20probabilities%22)%3A%0A%20%20%20%20%22%22%22%E5%90%84%E3%83%93%E3%83%83%E3%83%88%E5%88%97%E3%81%AE%E7%A2%BA%E7%8E%87%20%7C%CE%B1%7C%C2%B2%20%E3%82%92%E6%A3%92%E3%82%B0%E3%83%A9%E3%83%95%E3%81%A7%E8%A1%A8%E7%A4%BA%EF%BC%88%E2%80%BB%E8%8B%B1%E5%AD%97%E3%81%AE%E3%81%BF%EF%BC%89%22%22%22%0A%20%20%20%20probs%20%3D%20np.abs(state)%20**%202%0A%20%20%20%20n%20%3D%20int(np.log2(len(state)))%0A%20%20%20%20keys%20%3D%20%5Bformat(i%2C%20f%220%7Bn%7Db%22)%20for%20i%20in%20range(len(state))%5D%0A%20%20%20%20fig%2C%20ax%20%3D%20plt.subplots(figsize%3D(7%2C%203.8))%0A%20%20%20%20ax.bar(keys%2C%20probs%2C%20color%3Dplt.cm.plasma(np.linspace(0.2%2C%200.9%2C%20len(keys))))%0A%20%20%20%20ax.set_title(title)%0A%20%20%20%20ax.set_xlabel(%22Bitstring%20(q0%20is%20leftmost)%22)%0A%20%20%20%20ax.set_ylabel(%22Probability%20%7Ca%7C%5E2%22)%0A%20%20%20%20ax.set_ylim(0%2C%201.1)%0A%20%20%20%20return%20fig%0A%0Adef%20bloch_vector(state)%3A%0A%20%20%20%20%22%22%221%20%E9%87%8F%E5%AD%90%E3%83%93%E3%83%83%E3%83%88%E7%8A%B6%E6%85%8B%E3%82%92%E3%83%96%E3%83%AD%E3%83%83%E3%83%9B%E3%83%99%E3%82%AF%E3%83%88%E3%83%AB%20(x%2C%20y%2C%20z)%20%E3%81%AB%E5%A4%89%E6%8F%9B%22%22%22%0A%20%20%20%20a%2C%20b%20%3D%20state%0A%20%20%20%20theta%20%3D%202%20*%20np.arctan2(abs(b)%2C%20abs(a))%0A%20%20%20%20phi%20%3D%20np.angle(b)%20-%20np.angle(a)%0A%20%20%20%20return%20np.array(%0A%20%20%20%20%20%20%20%20%5Bnp.sin(theta)%20*%20np.cos(phi)%2C%20np.sin(theta)%20*%20np.sin(phi)%2C%20np.cos(theta)%5D%0A%20%20%20%20)%0A%0Adef%20plot_bloch(state%2C%20title%3D%22Bloch%20sphere%22)%3A%0A%20%20%20%20%22%22%221%20%E9%87%8F%E5%AD%90%E3%83%93%E3%83%83%E3%83%88%E7%8A%B6%E6%85%8B%E3%82%92%E3%83%96%E3%83%AD%E3%83%83%E3%83%9B%E7%90%83%E4%B8%8A%E3%81%AB%E6%8F%8F%E3%81%8F%22%22%22%0A%20%20%20%20v%20%3D%20bloch_vector(state)%0A%20%20%20%20fig%20%3D%20plt.figure(figsize%3D(4.6%2C%204.6))%0A%20%20%20%20ax%20%3D%20fig.add_subplot(111%2C%20projection%3D%223d%22)%0A%20%20%20%20u%20%3D%20np.linspace(0%2C%202%20*%20np.pi%2C%2040)%0A%20%20%20%20w%20%3D%20np.linspace(0%2C%20np.pi%2C%2040)%0A%20%20%20%20ax.plot_surface(%0A%20%20%20%20%20%20%20%20np.outer(np.sin(u)%2C%20np.sin(w))%2C%0A%20%20%20%20%20%20%20%20np.outer(np.cos(u)%2C%20np.sin(w))%2C%0A%20%20%20%20%20%20%20%20np.outer(np.ones(40)%2C%20np.cos(w))%2C%0A%20%20%20%20%20%20%20%20color%3D%22lightgray%22%2C%0A%20%20%20%20%20%20%20%20alpha%3D0.35%2C%0A%20%20%20%20%20%20%20%20linewidth%3D0%2C%0A%20%20%20%20)%0A%20%20%20%20for%20vec%2C%20col%20in%20%5B(%5B1%2C%200%2C%200%5D%2C%20%22red%22)%2C%20(%5B0%2C%201%2C%200%5D%2C%20%22green%22)%2C%20(%5B0%2C%200%2C%201%5D%2C%20%22blue%22)%5D%3A%0A%20%20%20%20%20%20%20%20ax.plot(%0A%20%20%20%20%20%20%20%20%20%20%20%20%5B-vec%5B0%5D%2C%20vec%5B0%5D%5D%2C%20%5B-vec%5B1%5D%2C%20vec%5B1%5D%5D%2C%20%5B-vec%5B2%5D%2C%20vec%5B2%5D%5D%2C%0A%20%20%20%20%20%20%20%20%20%20%20%20color%3Dcol%2C%20alpha%3D0.5%2C%0A%20%20%20%20%20%20%20%20)%0A%20%20%20%20ax.plot(%5B0%2C%20v%5B0%5D%5D%2C%20%5B0%2C%20v%5B1%5D%5D%2C%20%5B0%2C%20v%5B2%5D%5D%2C%20color%3D%22black%22%2C%20lw%3D2)%0A%20%20%20%20ax.scatter(%5Bv%5B0%5D%5D%2C%20%5Bv%5B1%5D%5D%2C%20%5Bv%5B2%5D%5D%2C%20color%3D%22darkorange%22%2C%20s%3D80)%0A%20%20%20%20ax.set_title(title)%0A%20%20%20%20ax.set_xlabel(%22X%22)%0A%20%20%20%20ax.set_ylabel(%22Y%22)%0A%20%20%20%20ax.set_zlabel(%22Z%22)%0A%20%20%20%20ax.set_xlim(-1%2C%201)%0A%20%20%20%20ax.set_ylim(-1%2C%201)%0A%20%20%20%20ax.set_zlim(-1%2C%201)%0A%20%20%20%20ax.set_box_aspect((1%2C%201%2C%201))%0A%20%20%20%20return%20fig
hcount%20%3D%20mo.ui.slider(1%2C%202%2C%20value%3D1%2C%20step%3D1%2C%20label%3D%22%E3%82%A2%E3%83%80%E3%83%9E%E3%83%BC%E3%83%AB%E3%82%B2%E3%83%BC%E3%83%88%E3%82%92%E3%81%8B%E3%81%91%E3%82%8B%E5%9B%9E%E6%95%B0%EF%BC%881%E5%9B%9E%20or%202%E5%9B%9E%EF%BC%89%22%2C%20full_width%3DTrue)%0Ahcount
n%20%3D%201%0Astate%20%3D%20np.array(%5B1%2C%200%5D%2C%20dtype%3Dcomplex)%20%20%23%20%7C0%E2%9F%A9%0Afor%20_%20in%20range(hcount.value)%3A%0A%20%20%20%20state%20%3D%20apply_h(state%2C%200)%0Afig%2C%20ax%20%3D%20plt.subplots(figsize%3D(7%2C%203.8))%0Aax.bar(%5B%22%7C0%E2%9F%A9%22%2C%20%22%7C1%E2%9F%A9%22%5D%2C%20np.abs(state)%20**%202%2C%20color%3Dplt.cm.viridis(%5B0.3%2C%200.7%5D))%0Aax.set_title(f%22After%20applying%20H%20%7Bhcount.value%7Dx%22)%0Aax.set_ylabel(%22Probability%20%7Ca%7C%5E2%22)%0Aax.set_ylim(0%2C%201.1)%0Afig
counts%20%3D%20measure_counts(state%2C%20shots%3D4096)%0Aplot_counts(counts%2C%20title%3Df%22H%20applied%20%7Bhcount.value%7Dx%20-%3E%20measure%20(4096%20shots)%22)
見てみよう - 1回 H をかけると、測定結果は 0 と 1 がほぼ同じ数(50%:50%)になります。 - 2回 H をかけると、必ず 0 になります。2 回の H が打ち消し合って元の |0⟩ に戻るからです。 - スライダーを動かすと、確率の計算とヒストグラムがリアルタイムで再計算されます。これが marimo の「リアクティブ」な計算です。
なぜ重ね合わせが強いのか?
たとえば n 個 の Qubit を全部重ね合わせにすると、\(2^n\) 通りの状態が「同時に」存在できます。
- 1 個 → 2 通り
- 2 個 → 4 通り
- 3 個 → 8 通り
- 20 個 → 100万通り以上
古典コンピュータは 1 つずつしか調べられませんが、量子コンピュータは重ね合わせで「一度にたくさんの可能性を試す」準備ができるのです。
まとめ
- アダマールゲート(H) は「重ね合わせ」を作る代表的なゲート。
- 測定すると重ね合わせが確率に化け、
0 と 1 がほぼ半々に現れる。
- H を 2 回 かけると元に戻る(量子の干渉)。これが量子計算の不思議な力の源。
次は、Qubit 同士が「手をつなぐ」エンタングルメント を学びましょう。