Supongamos que tengo un sistema cuántico ("sistema") con hamiltoniano y matriz de densidad inicial . permito interactuar con otro sistema ("sonda"), que tiene hamiltoniano y estado inicial , a través de una interacción hamiltoniana . entonces mido en base al operador .
Supongamos que mi dispositivo de lectura clásico es imperfecto: si esta en estado que es un estado propio de con valor propio , luego mi dispositivo de lectura escupe números según una distribución estadística que depende de . Por ejemplo, podríamos tener un caso en el que el valor de lectura tenga una distribución gaussiana sobre , es decir
Dados los hamiltonianos , , , los estados iniciales y , la función , y un valor medido realizado , qué conceptos/enfoque se utiliza para averiguar el estado del sistema combinado despues de la medicion? ¿Cómo cambia el resultado si el valor medido se ignora?
Una simplificación permitida sería tomar el estado del sistema combinado después del paso de interacción como una cantidad conocida. En otras palabras, no estamos tan interesados en computar la evolución de bajo la interacción . Sin embargo, creo que sea o no viaja con termina siendo importante.
notas
Recursos
Suponiendo que el sistema y la sonda inicialmente no están correlacionados, la matriz de densidad inicial es
Después de la interacción por un tiempo , el sistema y la sonda están enredados
Entonces lo observable se mide, que se puede escribir
En una medida proyectiva de , obtienes el valor propio con una probabilidad . El estado de su sistema es entonces
si has medido , pero su aparato de medición no transfiere la información correctamente (lo que Norbert Schuch llamó "codificación clásica" en su comentario), entonces su estado es
Si ignora su registro de medición por completo, el estado de su sistema es
Finalmente, podría considerar el caso en el que la medición es débil. Este es el caso en el que realmente deberíamos saber más sobre la medición. Suponiendo que todo es continuo, puede escribir una familia de operadores de Kraus
Editar: Gracias a Noiralef por señalar los errores tipográficos y el teorema de Bayes.
DanielSank
David
Norberto Schuch
DanielSank
Norberto Schuch