当前位置: 首页 > news >正文

CSS 定义的实例化演示

我们来用Steane码——基于Hamming码的具体实例——从头到尾演示CSS码定义中的全部集合关系。这是最经典、最具体的CSS码,每一步都可以用手工验算。

完整实例:用Hamming 码构造 Steane

第一步:选定经典码对

这是一个7比特长、4维、最小距离3的二元线性码。它的校验矩阵(同时也是生成其对偶码的矩阵)为:

的16个码字就是所有满足的7维二元向量。

第二步:验证核心条件——对偶包含

这是CSS码存在的生命线。我们需要证明:的每一个码字都在里面。

的三行张成:


验证

同理。由于(可以逐行点乘验证),所有行的线性组合都在的核空间里,故:

条件满足。是一个码(8个码字),它是的一个3维子空间

第三步:确定量子码参数

参数计算结果
物理量子比特数 n码长7
​ 维数44
​ 维数3
逻辑量子比特数 k1
纠错能力 d3

于是我们得到Steane 码的参数:


即:7个物理量子比特编码1个逻辑量子比特,可纠正任意单量子比特错误

第四步:构造陪集——这是最关键的一步

因为,我们可以做商空间

这是一个维的商空间,只有2个陪集

陪集 0:(8个向量)
代表元向量重量
0
4
4
4
4
4
4
4

观察包含1个零向量和7个重量为4的向量。这就是著名的[7,3,4] Simplex 码

陪集 1:(另8个向量)

中但不在里的一个向量作为陪集代表,例如:
重量为3,确实在

陪集包含:

向量重量
(0,0,0,1,1,1,0)3
(1,0,0,1,0,0,1)3
(0,1,0,0,1,0,1)3
(0,0,1,0,0,1,1)3
(1,1,0,0,0,1,1)4
(1,0,1,0,1,0,1)3
(0,1,1,1,0,0,1)4
(1,1,1,1,1,1,1)7

观察:这个陪集里有7个重量为3的向量和1个全1向量(重量7)。

总体验证,共个向量,正好是。两个陪集互不相交,完美划分了

第五步:构造量子编码子空间

现在进入量子世界。对每个陪集,构造等权重叠加态

逻辑零态

具体写出:

逻辑一态

具体写出:

完整的编码子空间

这是2维希尔伯特子空间,嵌在维的物理空间中。

第六步:直观理解这些集合关系

我们可以用一张图来总结全部关系:

F_2^7 (128个向量,全集) │ ├─ C = [7,4,3] Hamming 码 (16个码字) ──────────────┐ │ │ │ ├─ C⊥ = [7,3,4] Simplex 码 (8个向量) │ │ │ = 陪集 0 = 0 + C⊥ │ │ │ → 量子态 |0_L⟩ │ │ │ │ │ └─ g + C⊥ (8个向量) │ │ = 陪集 1 │ │ → 量子态 |1_L⟩ │ │ └─ 其余 112 个向量 ──→ 非码字,syndrome 非零

核心对应关系

经典层面量子层面
陪集逻辑基态
陪集逻辑基态
两个陪集互不相交两态正交
陪集大小归一化因子
商空间维数为1逻辑量子比特数为1

第七步:错误检测的集合演示

假设一个错误发生在第1个物理量子比特上(即翻转第1个比特)。例如错误作用于中的基态

现在问:属于哪个陪集?计算 syndrome:

这个结果正好是的第1列(或者说与的 syndrome 相同),它告诉我们:错误发生在位置1

关键观察
-(syndrome 非零)
- 但它与中某个向量的距离为1(与差1比特)
- syndrome 的每一个非零结果唯一对应一个单比特错误位置

这正是的最小距离保证的:它能纠正个错误。

总结:从集合关系到量子态的完整链条

← 对偶包含(代数生命线)

← 商空间(2个陪集)

陪集 0 ──→ |0_L⟩ = (1/√8) Σ|0+C_2⊥⟩
陪集 1 ──→ |1_L⟩ = (1/√8) Σ|g+C_2⊥⟩

span{|0_L⟩, |1_L⟩} ← 2维编码子空间

X错误 → C_1的syndrome检测
Z错误 → C_2的syndrome检测(在Hadamard基下)

通过这个Steane码的具体例子,我们可以清晰地看到:CSS码本质上就是把两个经典码的陪集结构,通过量子叠加原理,转化为逻辑量子比特的编码空间。集合的包含关系()保证了陪集可以良定义地构造;陪集的不相交性保证了量子态的正交性而经典码的距离则直接转化为量子码的纠错能力

http://www.jsqmd.com/news/712475/

相关文章:

  • Dev Containers 调试器连接超时?不是网络问题!源码级定位 debug adapter 协议握手失败的 2 个 TLS 握手阻塞点与 1 个 WebSocket 缓冲区溢出漏洞
  • 人工智能之提示词工程 第一章 提示工程基础认知
  • 大语言模型推理一致性与准确性研究:方法与发现
  • Z-Image-Turbo-辉夜巫女镜像免配置:预装Xinference+Gradio+LoRA权重,开箱即用
  • MCP for Unity:用AI助手自动化Unity编辑器操作,提升开发效率
  • Janus-Pro-7B嵌入式部署:STM32单片机上的轻量化推理
  • 丽江游玩不知咋安排?这些靠谱地陪平台为你开启精彩旅程!
  • Qt6 编译 mysql 驱动
  • 量子最优控制与Λ型三能级系统的GRAPE算法实现
  • 千问3.5-9B MultiSim电路分析辅助:从自然语言描述到仿真参数设置
  • 前端 PWA:Service Worker 深度解析
  • 2026年附近UPS电源租赁厂家排行:附近发电机租赁公司、静音发电机组租赁、ups不间断电源租赁、ups电源租赁厂家选择指南 - 优质品牌商家
  • 2026年4月深圳除甲醛公司推荐:五家口碑服务评测对比领先新家入住异味刺鼻 - 品牌推荐
  • 2026墙体彩绘品牌名录:墙体喷绘广告安装公司、墙体彩绘价格、墙体彩绘公司、墙体手绘、外墙喷绘广告、彩绘公司联系电话选择指南 - 优质品牌商家
  • SolidRun P100 COM Express模块:边缘AI与工业计算新标杆
  • java安全专栏
  • K8S部署MySQL主从复制实现高可用数据库
  • 持久内存编程实战:从PMem原理到键值存储应用开发
  • 批量调用AI工具,指纹浏览器能实现自动化操作吗?
  • 比迪丽LoRA模型数据库集成案例:构建用户绘画历史与风格偏好系统
  • 2025-2026年深圳除甲醛公司推荐:五大口碑服务评测对比顶尖办公室装修眼干头痛案例 - 品牌推荐
  • FedU-Net:联邦学习隐私保护脑肿瘤 MRI 分割
  • YOLO26 艺术品识别:公共艺术展导览系统
  • Typora快捷键设置教程
  • Hugging Face模型本地化部署:LM Studio集成指南
  • 使用TGI在Hugging Face Spaces部署OLMo-7B大模型
  • 3个实用技巧:使用Playwright Stealth绕过网站自动化检测
  • 2025-2026年上海厂房出租出售公司评测:五家口碑服务推荐评价知名制造业搬迁时效紧注意事项 - 品牌推荐
  • 算法训练营Day15|反转字符串
  • Python人脸识别医院考勤系统【毕业设计答辩文档】