2.1 量子スピントロニクスの基礎
量子スピントロニクスは、個々のスピンの量子力学的性質を 情報処理に活用する研究分野です。量子ビットとしてのスピン、 量子もつれ、量子誤り訂正など、量子コンピューティングの基盤技術を提供します。
なぜスピンを量子ビットに？
- 自然な2準位系: スピン1/2は本来的に2準位
- 長いコヒーレンス時間: 電荷よりデコヒーレンスに強い
- 磁場制御: 外部磁場で容易に操作可能
- 電気的読み出し: スピン-電荷変換で検出可能
スピン量子ビットの状態
一般的なスピン量子ビット状態
$$|\psi\rangle = \alpha|\uparrow\rangle + \beta|\downarrow\rangle = \cos\frac{\theta}{2}|\uparrow\rangle + e^{i\phi}\sin\frac{\theta}{2}|\downarrow\rangle$$
ブロッホ球面上の点として表現: $(\theta, \phi)$
Python
ブロッホ球面の可視化
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
def bloch_sphere_visualization():
"""
スピン量子ビットのブロッホ球面表現
"""
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')
# 球面の描画
u = np.linspace(0, 2 * np.pi, 100)
v = np.linspace(0, np.pi, 50)
x = np.outer(np.cos(u), np.sin(v))
y = np.outer(np.sin(u), np.sin(v))
z = np.outer(np.ones(np.size(u)), np.cos(v))
ax.plot_surface(x, y, z, alpha=0.1, color='blue')
# 座標軸
ax.quiver(0, 0, 0, 1.3, 0, 0, color='gray', arrow_length_ratio=0.1)
ax.quiver(0, 0, 0, 0, 1.3, 0, color='gray', arrow_length_ratio=0.1)
ax.quiver(0, 0, 0, 0, 0, 1.3, color='gray', arrow_length_ratio=0.1)
ax.text(1.4, 0, 0, 'X', fontsize=12)
ax.text(0, 1.4, 0, 'Y', fontsize=12)
ax.text(0, 0, 1.4, 'Z (|↑⟩)', fontsize=12)
ax.text(0, 0, -1.3, '|↓⟩', fontsize=12)
# 特定の量子状態をプロット
states = {
'|↑⟩': (0, 0),
'|↓⟩': (np.pi, 0),
'|+⟩': (np.pi/2, 0),
'|-⟩': (np.pi/2, np.pi),
'|+i⟩': (np.pi/2, np.pi/2),
'|-i⟩': (np.pi/2, -np.pi/2),
}
colors = ['red', 'blue', 'green', 'purple', 'orange', 'cyan']
for (name, (theta, phi)), color in zip(states.items(), colors):
x = np.sin(theta) * np.cos(phi)
y = np.sin(theta) * np.sin(phi)
z = np.cos(theta)
ax.scatter([x], [y], [z], s=100, c=color, label=name)
ax.quiver(0, 0, 0, x, y, z, color=color, arrow_length_ratio=0.1)
ax.set_xlim([-1.5, 1.5])
ax.set_ylim([-1.5, 1.5])
ax.set_zlim([-1.5, 1.5])
ax.set_box_aspect([1, 1, 1])
ax.legend(loc='upper left')
ax.set_title('スピン量子ビットのブロッホ球面', fontsize=14)
plt.tight_layout()
plt.savefig('bloch_sphere.png', dpi=150)
plt.show()
def quantum_state_evolution(theta0, phi0, omega_L, T2, t_max):
"""
スピン状態の時間発展（ラーモア歳差運動 + デコヒーレンス）
Parameters:
-----------
theta0, phi0 : float
初期状態のブロッホ角
omega_L : float
ラーモア周波数 [rad/s]
T2 : float
横緩和時間 [s]
t_max : float
シミュレーション時間 [s]
"""
t = np.linspace(0, t_max, 1000)
# 歳差運動
phi = phi0 + omega_L * t
# デコヒーレンスによる減衰
r = np.sin(theta0) * np.exp(-t / T2)
# ブロッホ・ベクトル成分
x = r * np.cos(phi)
y = r * np.sin(phi)
z = np.cos(theta0) * np.ones_like(t)
return t, x, y, z
# 実行
bloch_sphere_visualization()
# 時間発展の例
theta0 = np.pi / 2 # 赤道上
phi0 = 0
omega_L = 2 * np.pi * 1e9 # 1 GHz
T2 = 10e-6 # 10 μs
t, x, y, z = quantum_state_evolution(theta0, phi0, omega_L, T2, 50e-6)
plt.figure(figsize=(12, 4))
plt.subplot(131)
plt.plot(t * 1e6, x, 'b-')
plt.xlabel('時間 [μs]')
plt.ylabel('$\\langle X \\rangle$')
plt.title('X成分')
plt.grid(True, alpha=0.3)
plt.subplot(132)
plt.plot(t * 1e6, y, 'r-')
plt.xlabel('時間 [μs]')
plt.ylabel('$\\langle Y \\rangle$')
plt.title('Y成分')
plt.grid(True, alpha=0.3)
plt.subplot(133)
plt.plot(t * 1e6, z, 'g-')
plt.xlabel('時間 [μs]')
plt.ylabel('$\\langle Z \\rangle$')
plt.title('Z成分')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('spin_evolution.png', dpi=150)
plt.show()
2.2 量子コヒーレンスと緩和
量子情報処理において最も重要な課題は、デコヒーレンス （量子コヒーレンスの喪失）を抑制することです。
緩和時間
T1緩和（縦緩和、エネルギー緩和）
$$\frac{d\langle S_z \rangle}{dt} = -\frac{\langle S_z \rangle - S_z^{eq}}{T_1}$$
エネルギー準位間の遷移によるポピュレーション緩和
T2緩和（横緩和、位相緩和）
$$\frac{d\langle S_+ \rangle}{dt} = -\frac{\langle S_+ \rangle}{T_2}$$
$\frac{1}{T_2} = \frac{1}{2T_1} + \frac{1}{T_\phi}$
$T_\phi$: 純粋位相緩和時間（デファレンス）
Python
スピン緩和のシミュレーション
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import solve_ivp
def bloch_equations(t, rho, T1, T2, omega_0, omega_1, omega_rf):
"""
ブロッホ方程式（回転座標系）
Parameters:
-----------
rho : array
[rho_x, rho_y, rho_z] ブロッホ・ベクトル成分
T1, T2 : float
緩和時間
omega_0 : float
ラーモア周波数
omega_1 : float
RF場の強度（ラビ周波数）
omega_rf : float
RF場の周波数
"""
rx, ry, rz = rho
# デチューニング
delta = omega_0 - omega_rf
# ブロッホ方程式
drx_dt = delta * ry - rx / T2
dry_dt = -delta * rx + omega_1 * rz - ry / T2
drz_dt = -omega_1 * ry - (rz - 1) / T1 # 熱平衡は rz = 1
return [drx_dt, dry_dt, drz_dt]
def simulate_rabi_oscillation():
"""ラビ振動のシミュレーション"""
T1 = 100e-6 # 100 μs
T2 = 50e-6 # 50 μs
omega_0 = 2 * np.pi * 10e9 # 10 GHz
omega_rf = omega_0 # 共鳴条件
omega_1 = 2 * np.pi * 10e6 # 10 MHz ラビ周波数
# 初期条件: |↑⟩状態
rho0 = [0, 0, 1]
t_span = (0, 500e-9)
t_eval = np.linspace(0, 500e-9, 1000)
sol = solve_ivp(bloch_equations, t_span, rho0, t_eval=t_eval,
args=(T1, T2, omega_0, omega_1, omega_rf))
return sol.t, sol.y
def simulate_T2_decay():
"""自由誘導減衰（FID）のシミュレーション"""
T1 = 100e-6
T2 = 50e-6
omega_0 = 2 * np.pi * 10e9
omega_rf = omega_0 + 2 * np.pi * 1e6 # 1 MHz オフセット
omega_1 = 0 # RF オフ
# 初期条件: 赤道面上
rho0 = [1, 0, 0]
t_span = (0, 200e-6)
t_eval = np.linspace(0, 200e-6, 1000)
sol = solve_ivp(bloch_equations, t_span, rho0, t_eval=t_eval,
args=(T1, T2, omega_0, omega_1, omega_rf))
return sol.t, sol.y
# ラビ振動
t_rabi, rho_rabi = simulate_rabi_oscillation()
# FID
t_fid, rho_fid = simulate_T2_decay()
# プロット
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
# ラビ振動
axes[0, 0].plot(t_rabi * 1e9, rho_rabi[2], 'b-', linewidth=2)
axes[0, 0].set_xlabel('時間 [ns]', fontsize=12)
axes[0, 0].set_ylabel('$\\langle S_z \\rangle$', fontsize=12)
axes[0, 0].set_title('ラビ振動', fontsize=14)
axes[0, 0].grid(True, alpha=0.3)
axes[0, 0].axhline(y=0, color='gray', linestyle='--')
axes[0, 1].plot(t_rabi * 1e9, np.sqrt(rho_rabi[0]**2 + rho_rabi[1]**2),
'r-', linewidth=2)
axes[0, 1].set_xlabel('時間 [ns]', fontsize=12)
axes[0, 1].set_ylabel('$\\sqrt{\\langle S_x \\rangle^2 + \\langle S_y \\rangle^2}$', fontsize=12)
axes[0, 1].set_title('横成分の振幅', fontsize=14)
axes[0, 1].grid(True, alpha=0.3)
# FID
axes[1, 0].plot(t_fid * 1e6, rho_fid[0], 'b-', linewidth=2, label='X')
axes[1, 0].plot(t_fid * 1e6, rho_fid[1], 'r-', linewidth=2, label='Y')
axes[1, 0].set_xlabel('時間 [μs]', fontsize=12)
axes[1, 0].set_ylabel('横成分', fontsize=12)
axes[1, 0].set_title('自由誘導減衰（FID）', fontsize=14)
axes[1, 0].legend()
axes[1, 0].grid(True, alpha=0.3)
# エンベロープ
envelope = np.sqrt(rho_fid[0]**2 + rho_fid[1]**2)
axes[1, 1].semilogy(t_fid * 1e6, envelope, 'g-', linewidth=2)
axes[1, 1].semilogy(t_fid * 1e6, np.exp(-t_fid / 50e-6), 'k--',
linewidth=2, label='$e^{-t/T_2}$')
axes[1, 1].set_xlabel('時間 [μs]', fontsize=12)
axes[1, 1].set_ylabel('横成分振幅', fontsize=12)
axes[1, 1].set_title('T₂緩和', fontsize=14)
axes[1, 1].legend()
axes[1, 1].grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('spin_relaxation.png', dpi=150)
plt.show()
print("=== 緩和時間の物理的意味 ===")
print(f"T1 (縦緩和): エネルギー散逸、スピン-格子緩和")
print(f"T2 (横緩和): 位相のランダム化、コヒーレンス喪失")
print(f"T2* (不均一緩和): 磁場不均一性による見かけの緩和")
デコヒーレンス源
graph TD
A[デコヒーレンス源] --> B[スピン-格子相互作用]
A --> C[スピン-スピン相互作用]
A --> D[磁場揺らぎ]
A --> E[核スピン浴]
B --> B1[T1緩和]
C --> C1[T2緩和]
D --> D1[位相揺らぎ]
E --> E1[核スピンによるデファレンス]
style A fill:#ffcdd2
style B1 fill:#e3f2fd
style C1 fill:#e3f2fd
style D1 fill:#e3f2fd
style E1 fill:#e3f2fd
2.3 スピン量子ビットの実装
半導体量子ドットスピン量子ビット
シリコンやGaAs量子ドット中の電子スピンは、有望な量子ビット候補です。
Python
量子ドットスピン量子ビットのモデル
import numpy as np
from scipy.linalg import expm
import matplotlib.pyplot as plt
class SpinQubit:
"""
単一電子スピン量子ビットのシミュレーション
"""
def __init__(self, g_factor=2.0, B_field=1.0):
"""
Parameters:
-----------
g_factor : float
g因子
B_field : float
静磁場 [T]
"""
self.g = g_factor
self.B = B_field
self.mu_B = 9.274e-24 # ボーア磁子 [J/T]
self.hbar = 1.054e-34
# ラーモア周波数
self.omega_L = self.g * self.mu_B * self.B / self.hbar
# パウリ行列
self.sigma_x = np.array([[0, 1], [1, 0]], dtype=complex)
self.sigma_y = np.array([[0, -1j], [1j, 0]], dtype=complex)
self.sigma_z = np.array([[1, 0], [0, -1]], dtype=complex)
# 初期状態 |↑⟩
self.state = np.array([1, 0], dtype=complex)
def hamiltonian(self, omega_1=0, phi=0):
"""
ハミルトニアン（回転座標系）
Parameters:
-----------
omega_1 : float
ラビ周波数（RF駆動強度）
phi : float
RF位相
"""
H = (self.hbar / 2) * (
omega_1 * (np.cos(phi) * self.sigma_x + np.sin(phi) * self.sigma_y)
)
return H
def apply_gate(self, gate_type, angle=np.pi, phi=0):
"""
量子ゲートの適用
Parameters:
-----------
gate_type : str
'X', 'Y', 'Z', 'H' (Hadamard), 'Rx', 'Ry', 'Rz'
angle : float
回転角（Rx, Ry, Rzの場合）
"""
if gate_type == 'X':
U = self.sigma_x
elif gate_type == 'Y':
U = self.sigma_y
elif gate_type == 'Z':
U = self.sigma_z
elif gate_type == 'H':
U = (self.sigma_x + self.sigma_z) / np.sqrt(2)
elif gate_type == 'Rx':
U = expm(-1j * angle / 2 * self.sigma_x)
elif gate_type == 'Ry':
U = expm(-1j * angle / 2 * self.sigma_y)
elif gate_type == 'Rz':
U = expm(-1j * angle / 2 * self.sigma_z)
else:
raise ValueError(f"Unknown gate: {gate_type}")
self.state = U @ self.state
def measure_expectation(self, observable):
"""期待値の計算"""
if observable == 'X':
op = self.sigma_x
elif observable == 'Y':
op = self.sigma_y
elif observable == 'Z':
op = self.sigma_z
else:
op = observable
return np.real(np.conj(self.state) @ op @ self.state)
def get_bloch_vector(self):
"""ブロッホ・ベクトルの取得"""
x = self.measure_expectation('X')
y = self.measure_expectation('Y')
z = self.measure_expectation('Z')
return np.array([x, y, z])
def reset(self):
"""初期状態にリセット"""
self.state = np.array([1, 0], dtype=complex)
def demonstrate_quantum_gates():
"""量子ゲートのデモンストレーション"""
qubit = SpinQubit()
gates_sequence = ['H', 'Rx', 'Ry', 'Z', 'H']
angles = [0, np.pi/4, np.pi/4, 0, 0]
trajectory = [qubit.get_bloch_vector()]
labels = ['初期 |↑⟩']
for gate, angle in zip(gates_sequence, angles):
if gate in ['Rx', 'Ry', 'Rz']:
qubit.apply_gate(gate, angle)
else:
qubit.apply_gate(gate)
trajectory.append(qubit.get_bloch_vector())
labels.append(f'{gate}後')
trajectory = np.array(trajectory)
# 3Dプロット
fig = plt.figure(figsize=(12, 5))
# ブロッホ球面上の軌跡
ax1 = fig.add_subplot(121, projection='3d')
# 球面
u = np.linspace(0, 2 * np.pi, 50)
v = np.linspace(0, np.pi, 25)
x = np.outer(np.cos(u), np.sin(v))
y = np.outer(np.sin(u), np.sin(v))
z = np.outer(np.ones(np.size(u)), np.cos(v))
ax1.plot_surface(x, y, z, alpha=0.1, color='blue')
# 軌跡
ax1.plot(trajectory[:, 0], trajectory[:, 1], trajectory[:, 2],
'ro-', markersize=8, linewidth=2)
for i, label in enumerate(labels):
ax1.text(trajectory[i, 0] + 0.1, trajectory[i, 1],
trajectory[i, 2], label, fontsize=8)
ax1.set_xlabel('X')
ax1.set_ylabel('Y')
ax1.set_zlabel('Z')
ax1.set_title('量子ゲート適用の軌跡', fontsize=14)
# ブロッホ成分の変化
ax2 = fig.add_subplot(122)
x_pos = np.arange(len(labels))
width = 0.25
ax2.bar(x_pos - width, trajectory[:, 0], width, label='X', color='blue')
ax2.bar(x_pos, trajectory[:, 1], width, label='Y', color='red')
ax2.bar(x_pos + width, trajectory[:, 2], width, label='Z', color='green')
ax2.set_xticks(x_pos)
ax2.set_xticklabels(labels, rotation=45, ha='right')
ax2.set_ylabel('期待値', fontsize=12)
ax2.set_title('各ゲート後のブロッホ成分', fontsize=14)
ax2.legend()
ax2.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('quantum_gates.png', dpi=150)
plt.show()
# 実行
demonstrate_quantum_gates()
# 量子ビットプラットフォームの比較
print("\n=== スピン量子ビットプラットフォーム ===")
print("| プラットフォーム | T1 | T2 | 操作時間 |")
print("|-----------------|-----|-----|---------|")
print("| Si量子ドット | ~1s | ~1ms| ~1ns |")
print("| NVセンター | ~1ms| ~1ms| ~10ns |")
print("| 超伝導量子ビット | ~100μs| ~100μs| ~10ns|")
NVセンター量子ビット
ダイヤモンド中の窒素-空孔（NV）センターは、室温で動作可能なスピン量子ビットとして注目されています。
NVセンターのスピンハミルトニアン
$$H = D S_z^2 + g\mu_B \mathbf{B} \cdot \mathbf{S} + A_{||} S_z I_z + A_\perp (S_x I_x + S_y I_y)$$
$D \approx 2.87$ GHz: ゼロ磁場分裂、$A$: 超微細結合
Python
NVセンターのエネルギー準位
import numpy as np
import matplotlib.pyplot as plt
from scipy.linalg import eigh
def nv_center_hamiltonian(B_z, B_x=0):
"""
NVセンターの基底状態スピンハミルトニアン
Parameters:
-----------
B_z : float
z方向磁場 [T]
B_x : float
x方向磁場 [T]
Returns:
--------
H : array
3x3 ハミルトニアン [GHz]
"""
D = 2.87 # ゼロ磁場分裂 [GHz]
g = 2.003 # g因子
mu_B = 9.274e-24 # ボーア磁子 [J/T]
h = 6.626e-34 # プランク定数
# ジャイロ磁気比 [GHz/T]
gamma = g * mu_B / h * 1e-9
# S=1 スピン演算子
Sz = np.array([[1, 0, 0], [0, 0, 0], [0, 0, -1]], dtype=complex)
Sx = np.array([[0, 1, 0], [1, 0, 1], [0, 1, 0]], dtype=complex) / np.sqrt(2)
Sy = np.array([[0, -1j, 0], [1j, 0, -1j], [0, 1j, 0]], dtype=complex) / np.sqrt(2)
# ハミルトニアン
H = D * Sz @ Sz + gamma * (B_z * Sz + B_x * Sx)
return H
def calculate_energy_levels(B_range):
"""磁場依存性の計算"""
energies = []
for B in B_range:
H = nv_center_hamiltonian(B)
evals, _ = eigh(H)
energies.append(np.sort(np.real(evals)))
return np.array(energies)
# 磁場範囲
B_range = np.linspace(-0.1, 0.1, 200) # -100 mT to 100 mT
# エネルギー準位の計算
energies = calculate_energy_levels(B_range)
# プロット
fig, axes = plt.subplots(1, 2, figsize=(14, 6))
# エネルギー準位
axes[0].plot(B_range * 1000, energies[:, 0], 'b-', linewidth=2, label='$|m_s=-1\\rangle$')
axes[0].plot(B_range * 1000, energies[:, 1], 'g-', linewidth=2, label='$|m_s=0\\rangle$')
axes[0].plot(B_range * 1000, energies[:, 2], 'r-', linewidth=2, label='$|m_s=+1\\rangle$')
axes[0].set_xlabel('磁場 $B_z$ [mT]', fontsize=12)
axes[0].set_ylabel('エネルギー [GHz]', fontsize=12)
axes[0].set_title('NVセンターのエネルギー準位', fontsize=14)
axes[0].legend()
axes[0].grid(True, alpha=0.3)
axes[0].axhline(y=0, color='gray', linestyle='--')
# 遷移周波数
trans_01 = energies[:, 1] - energies[:, 0] # |0⟩ ↔ |-1⟩
trans_02 = energies[:, 2] - energies[:, 1] # |0⟩ ↔ |+1⟩
axes[1].plot(B_range * 1000, trans_01, 'b-', linewidth=2, label='$|0\\rangle \\leftrightarrow |-1\\rangle$')
axes[1].plot(B_range * 1000, trans_02, 'r-', linewidth=2, label='$|0\\rangle \\leftrightarrow |+1\\rangle$')
axes[1].set_xlabel('磁場 $B_z$ [mT]', fontsize=12)
axes[1].set_ylabel('遷移周波数 [GHz]', fontsize=12)
axes[1].set_title('NVセンターの磁気共鳴周波数', fontsize=14)
axes[1].axhline(y=2.87, color='gray', linestyle='--', label='ゼロ磁場分裂 D')
axes[1].legend()
axes[1].grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('nv_center_levels.png', dpi=150)
plt.show()
print("=== NVセンターの特徴 ===")
print(f"ゼロ磁場分裂: D = 2.87 GHz")
print(f"室温でのT2: ~1 ms（同位体精製ダイヤモンドで~1 s）")
print(f"光学的初期化・読み出しが可能")
print(f"ナノスケール磁場センシングに応用")
2.4 スピンもつれ
量子もつれ（エンタングルメント）は量子情報処理の核心的リソースです。 スピン間のもつれ生成と検証について学びます。
ベル状態
4つのベル状態
$$|\Phi^+\rangle = \frac{1}{\sqrt{2}}(|\uparrow\uparrow\rangle + |\downarrow\downarrow\rangle)$$
$$|\Phi^-\rangle = \frac{1}{\sqrt{2}}(|\uparrow\uparrow\rangle - |\downarrow\downarrow\rangle)$$
$$|\Psi^+\rangle = \frac{1}{\sqrt{2}}(|\uparrow\downarrow\rangle + |\downarrow\uparrow\rangle)$$
$$|\Psi^-\rangle = \frac{1}{\sqrt{2}}(|\uparrow\downarrow\rangle - |\downarrow\uparrow\rangle)$$
Python
スピンもつれの生成と測定
import numpy as np
from scipy.linalg import expm
import matplotlib.pyplot as plt
class TwoQubitSystem:
"""2スピン量子ビット系のシミュレーション"""
def __init__(self):
# 基底状態
self.up = np.array([1, 0], dtype=complex)
self.down = np.array([0, 1], dtype=complex)
# 2量子ビット基底
self.uu = np.kron(self.up, self.up) # |↑↑⟩
self.ud = np.kron(self.up, self.down) # |↑↓⟩
self.du = np.kron(self.down, self.up) # |↓↑⟩
self.dd = np.kron(self.down, self.down) # |↓↓⟩
# パウリ行列
self.I = np.eye(2, dtype=complex)
self.X = np.array([[0, 1], [1, 0]], dtype=complex)
self.Y = np.array([[0, -1j], [1j, 0]], dtype=complex)
self.Z = np.array([[1, 0], [0, -1]], dtype=complex)
# 初期状態: |↑↑⟩
self.state = self.uu.copy()
def create_bell_state(self, bell_type='Phi+'):
"""ベル状態の生成"""
if bell_type == 'Phi+':
self.state = (self.uu + self.dd) / np.sqrt(2)
elif bell_type == 'Phi-':
self.state = (self.uu - self.dd) / np.sqrt(2)
elif bell_type == 'Psi+':
self.state = (self.ud + self.du) / np.sqrt(2)
elif bell_type == 'Psi-':
self.state = (self.ud - self.du) / np.sqrt(2)
def apply_two_qubit_gate(self, gate_type):
"""2量子ビットゲート"""
if gate_type == 'CNOT':
# 制御NOT
U = np.array([
[1, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 0, 1],
[0, 0, 1, 0]
], dtype=complex)
elif gate_type == 'SWAP':
U = np.array([
[1, 0, 0, 0],
[0, 0, 1, 0],
[0, 1, 0, 0],
[0, 0, 0, 1]
], dtype=complex)
elif gate_type == 'iSWAP':
U = np.array([
[1, 0, 0, 0],
[0, 0, 1j, 0],
[0, 1j, 0, 0],
[0, 0, 0, 1]
], dtype=complex)
else:
raise ValueError(f"Unknown gate: {gate_type}")
self.state = U @ self.state
def apply_single_qubit_gate(self, gate, qubit):
"""単一量子ビットゲート"""
if qubit == 0:
U = np.kron(gate, self.I)
else:
U = np.kron(self.I, gate)
self.state = U @ self.state
def exchange_interaction(self, J, t):
"""
交換相互作用による時間発展
H = J * (S1 · S2) = J/4 * (σx⊗σx + σy⊗σy + σz⊗σz)
"""
H = J / 4 * (
np.kron(self.X, self.X) +
np.kron(self.Y, self.Y) +
np.kron(self.Z, self.Z)
)
U = expm(-1j * H * t)
self.state = U @ self.state
def calculate_concurrence(self):
"""
コンカレンス（もつれ度の指標）の計算
"""
# 密度行列
rho = np.outer(self.state, np.conj(self.state))
# スピンフリップ演算子
sigma_y = np.kron(self.Y, self.Y)
# R行列
rho_tilde = sigma_y @ np.conj(rho) @ sigma_y
R = rho @ rho_tilde
# 固有値
eigenvalues = np.sqrt(np.abs(np.linalg.eigvals(R)))
eigenvalues = np.sort(eigenvalues)[::-1]
# コンカレンス
C = max(0, eigenvalues[0] - eigenvalues[1] -
eigenvalues[2] - eigenvalues[3])
return C
def measure_correlation(self, theta1, theta2, phi1=0, phi2=0):
"""
スピン相関関数の測定
Parameters:
-----------
theta1, theta2 : float
測定軸の極角
phi1, phi2 : float
測定軸の方位角
"""
# 測定演算子
n1 = np.array([
np.sin(theta1) * np.cos(phi1),
np.sin(theta1) * np.sin(phi1),
np.cos(theta1)
])
n2 = np.array([
np.sin(theta2) * np.cos(phi2),
np.sin(theta2) * np.sin(phi2),
np.cos(theta2)
])
sigma_n1 = n1[0] * self.X + n1[1] * self.Y + n1[2] * self.Z
sigma_n2 = n2[0] * self.X + n2[1] * self.Y + n2[2] * self.Z
# 相関演算子
corr_op = np.kron(sigma_n1, sigma_n2)
# 期待値
correlation = np.real(np.conj(self.state) @ corr_op @ self.state)
return correlation
def demonstrate_entanglement():
"""もつれ生成のデモ"""
system = TwoQubitSystem()
# Hadamardゲート
H = (system.X + system.Z) / np.sqrt(2)
# ベル状態生成: H + CNOT
system.state = system.uu.copy()
system.apply_single_qubit_gate(H, 0) # 第1量子ビットにH
system.apply_two_qubit_gate('CNOT')
print("=== ベル状態 |Φ⁺⟩ の生成 ===")
print("初期状態: |↑↑⟩")
print("操作: H₁ → CNOT")
print(f"最終状態: {system.state}")
print(f"コンカレンス: {system.calculate_concurrence():.4f}")
# 交換相互作用によるもつれ生成
fig, axes = plt.subplots(1, 2, figsize=(14, 5))
# 時間発展
J = 1.0 # 交換結合 [任意単位]
times = np.linspace(0, 4 * np.pi, 100)
concurrences = []
for t in times:
system.state = system.ud.copy() # |↑↓⟩から開始
system.exchange_interaction(J, t)
concurrences.append(system.calculate_concurrence())
axes[0].plot(times / np.pi, concurrences, 'b-', linewidth=2)
axes[0].set_xlabel('時間 $Jt/\\pi$', fontsize=12)
axes[0].set_ylabel('コンカレンス', fontsize=12)
axes[0].set_title('交換相互作用によるもつれ生成', fontsize=14)
axes[0].grid(True, alpha=0.3)
axes[0].axhline(y=1, color='red', linestyle='--', label='最大もつれ')
axes[0].legend()
# CHSH不等式の検証
system.create_bell_state('Phi+')
angles = np.linspace(0, np.pi, 50)
chsh_values = []
for theta in angles:
E_ab = system.measure_correlation(0, theta)
E_ab_prime = system.measure_correlation(0, theta + np.pi/2)
E_a_prime_b = system.measure_correlation(np.pi/2, theta)
E_a_prime_b_prime = system.measure_correlation(np.pi/2, theta + np.pi/2)
S = E_ab - E_ab_prime + E_a_prime_b + E_a_prime_b_prime
chsh_values.append(np.abs(S))
axes[1].plot(angles / np.pi * 180, chsh_values, 'b-', linewidth=2)
axes[1].axhline(y=2, color='red', linestyle='--',
label='古典限界 S=2')
axes[1].axhline(y=2*np.sqrt(2), color='green', linestyle='--',
label=f'量子限界 S=2√2≈{2*np.sqrt(2):.2f}')
axes[1].set_xlabel('角度 θ [度]', fontsize=12)
axes[1].set_ylabel('CHSH パラメータ |S|', fontsize=12)
axes[1].set_title('CHSH不等式の検証', fontsize=14)
axes[1].legend()
axes[1].grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('entanglement_demo.png', dpi=150)
plt.show()
print(f"\n=== CHSH不等式 ===")
print(f"最大 |S| = {max(chsh_values):.4f}")
print(f"古典限界: S ≤ 2")
print(f"量子限界: S ≤ 2√2 ≈ {2*np.sqrt(2):.4f}")
if max(chsh_values) > 2:
print("→ 古典限界を超過！量子もつれが存在")
# 実行
demonstrate_entanglement()
2.5 スピン-光子結合
量子ネットワークの実現には、スピン量子ビットと光子の結合が不可欠です。
キャビティQED
ジェインズ-カミングス・ハミルトニアン
$$H = \hbar\omega_c a^\dagger a + \frac{\hbar\omega_s}{2}\sigma_z + \hbar g(a^\dagger\sigma_- + a\sigma_+)$$
$\omega_c$: キャビティ周波数、$\omega_s$: スピン遷移周波数、$g$: 結合定数
Python
スピン-光子結合のシミュレーション
import numpy as np
from scipy.linalg import expm
import matplotlib.pyplot as plt
def jaynes_cummings_hamiltonian(omega_c, omega_s, g, n_photon_max=10):
"""
ジェインズ-カミングス・ハミルトニアンの構築
Parameters:
-----------
omega_c : float
キャビティ周波数
omega_s : float
スピン遷移周波数
g : float
結合定数
n_photon_max : int
光子数カットオフ
"""
dim = 2 * n_photon_max # |n, ↑/↓⟩
# 消滅・生成演算子
a = np.zeros((n_photon_max, n_photon_max), dtype=complex)
for n in range(1, n_photon_max):
a[n-1, n] = np.sqrt(n)
a_dag = a.T.conj()
# スピン演算子
sigma_z = np.array([[1, 0], [0, -1]], dtype=complex)
sigma_plus = np.array([[0, 1], [0, 0]], dtype=complex)
sigma_minus = np.array([[0, 0], [1, 0]], dtype=complex)
I_photon = np.eye(n_photon_max)
I_spin = np.eye(2)
# ハミルトニアン成分
H_c = omega_c * np.kron(a_dag @ a, I_spin)
H_s = (omega_s / 2) * np.kron(I_photon, sigma_z)
H_int = g * (np.kron(a_dag, sigma_minus) + np.kron(a, sigma_plus))
H = H_c + H_s + H_int
return H
def vacuum_rabi_oscillation():
"""真空ラビ振動のシミュレーション"""
omega_c = 2 * np.pi * 10e9 # 10 GHz
omega_s = omega_c # 共鳴条件
g = 2 * np.pi * 100e6 # 100 MHz
n_max = 5
H = jaynes_cummings_hamiltonian(omega_c, omega_s, g, n_max)
# 初期状態: |0, ↑⟩ (光子0, スピン上向き)
psi0 = np.zeros(2 * n_max, dtype=complex)
psi0[0] = 1 # インデックス構成に依存
# より正確な初期状態の構築
# 基底: |0,↑⟩, |0,↓⟩, |1,↑⟩, |1,↓⟩, ...
psi0 = np.zeros(2 * n_max, dtype=complex)
psi0[0] = 1 # |0, ↑⟩
# 時間発展
times = np.linspace(0, 50e-9, 500)
excitation_prob = []
for t in times:
U = expm(-1j * H * t)
psi_t = U @ psi0
# スピン励起確率
prob_up = sum(np.abs(psi_t[2*n])**2 for n in range(n_max))
excitation_prob.append(prob_up)
return times, excitation_prob
def purcell_effect():
"""パーセル効果のシミュレーション"""
omega_c = 2 * np.pi * 10e9
g = 2 * np.pi * 50e6
# デチューニング範囲
detunings = np.linspace(-500e6, 500e6, 100) * 2 * np.pi
# パーセルファクター（簡略化）
kappa = 2 * np.pi * 10e6 # キャビティ減衰率
purcell_rates = []
for delta in detunings:
omega_s = omega_c + delta
# パーセル増強率
gamma_p = 4 * g**2 / kappa * (kappa/2)**2 / (delta**2 + (kappa/2)**2)
purcell_rates.append(gamma_p / (2 * np.pi * 1e6)) # MHz単位
return detunings / (2 * np.pi * 1e6), purcell_rates
# 真空ラビ振動
times, prob = vacuum_rabi_oscillation()
# パーセル効果
detuning, purcell = purcell_effect()
# プロット
fig, axes = plt.subplots(1, 2, figsize=(14, 5))
axes[0].plot(times * 1e9, prob, 'b-', linewidth=2)
axes[0].set_xlabel('時間 [ns]', fontsize=12)
axes[0].set_ylabel('スピン励起確率', fontsize=12)
axes[0].set_title('真空ラビ振動', fontsize=14)
axes[0].grid(True, alpha=0.3)
axes[1].plot(detuning, purcell, 'r-', linewidth=2)
axes[1].set_xlabel('デチューニング Δ [MHz]', fontsize=12)
axes[1].set_ylabel('パーセル増強率 [MHz]', fontsize=12)
axes[1].set_title('パーセル効果', fontsize=14)
axes[1].grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('spin_photon_coupling.png', dpi=150)
plt.show()
print("=== スピン-光子結合 ===")
print("強結合条件: g > κ, γ")
print("κ: キャビティ減衰率, γ: スピン緩和率")
print("協同度: C = 4g²/(κγ) >> 1")
2.6 トポロジカル量子状態
トポロジカルに保護された量子状態は、デコヒーレンスに対して頑健であり、 量子誤り訂正に有利です。
マヨラナ・フェルミオン
マヨラナ演算子
$$\gamma = \gamma^\dagger, \quad \{\gamma_i, \gamma_j\} = 2\delta_{ij}$$
$$c = \frac{1}{2}(\gamma_1 + i\gamma_2), \quad c^\dagger = \frac{1}{2}(\gamma_1 - i\gamma_2)$$
マヨラナ零モードはトポロジカル超伝導体の端に局在
Python
キタエフ鎖モデル
import numpy as np
import matplotlib.pyplot as plt
from scipy.linalg import eigh
def kitaev_chain(N, t, Delta, mu):
"""
キタエフ鎖のハミルトニアン
H = -μ Σ c†_i c_i - t Σ (c†_i c_{i+1} + h.c.)
+ Δ Σ (c_i c_{i+1} + h.c.)
Parameters:
-----------
N : int
サイト数
t : float
ホッピング
Delta : float
超伝導ギャップ
mu : float
化学ポテンシャル
"""
# BdGハミルトニアン（粒子-正孔空間）
H = np.zeros((2*N, 2*N), dtype=complex)
for i in range(N):
# オンサイト項
H[i, i] = -mu # 粒子
H[N+i, N+i] = mu # 正孔
# ホッピング項
if i < N - 1:
H[i, i+1] = -t
H[i+1, i] = -t
H[N+i, N+i+1] = t
H[N+i+1, N+i] = t
# ペアリング項
H[i, N+i+1] = Delta
H[i+1, N+i] = -Delta
H[N+i+1, i] = np.conj(Delta)
H[N+i, i+1] = -np.conj(Delta)
return H
def calculate_spectrum(N, t, Delta, mu_range):
"""化学ポテンシャル依存性"""
spectra = []
for mu in mu_range:
H = kitaev_chain(N, t, Delta, mu)
eigenvalues, _ = eigh(H)
spectra.append(eigenvalues)
return np.array(spectra)
def calculate_majorana_wavefunction(N, t, Delta, mu):
"""マヨラナ零モードの波動関数"""
H = kitaev_chain(N, t, Delta, mu)
eigenvalues, eigenvectors = eigh(H)
# ゼロエネルギーに最も近い状態を探す
idx = np.argmin(np.abs(eigenvalues))
# 粒子成分と正孔成分
psi = eigenvectors[:, idx]
psi_particle = psi[:N]
psi_hole = psi[N:]
return psi_particle, psi_hole
# パラメータ
N = 50
t = 1.0
Delta = 0.5
# 化学ポテンシャル依存性
mu_range = np.linspace(-3, 3, 200)
spectra = calculate_spectrum(N, t, Delta, mu_range)
# トポロジカル相の波動関数
psi_p_topo, psi_h_topo = calculate_majorana_wavefunction(N, t, Delta, 0.5)
psi_p_trivial, psi_h_trivial = calculate_majorana_wavefunction(N, t, Delta, 3.0)
# プロット
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
# エネルギースペクトル
for i in range(min(10, 2*N)):
axes[0, 0].plot(mu_range, spectra[:, N-5+i], 'b-', linewidth=0.5)
axes[0, 0].axhline(y=0, color='red', linestyle='--')
axes[0, 0].axvline(x=-2*t, color='green', linestyle=':', label='相転移点')
axes[0, 0].axvline(x=2*t, color='green', linestyle=':')
axes[0, 0].fill_betweenx([-1, 1], -2*t, 2*t, alpha=0.1, color='yellow',
label='トポロジカル相')
axes[0, 0].set_xlabel('化学ポテンシャル μ/t', fontsize=12)
axes[0, 0].set_ylabel('エネルギー E/t', fontsize=12)
axes[0, 0].set_title('キタエフ鎖のエネルギースペクトル', fontsize=14)
axes[0, 0].set_ylim([-1.5, 1.5])
axes[0, 0].legend()
axes[0, 0].grid(True, alpha=0.3)
# ゼロモードのギャップ
zero_mode_energy = np.min(np.abs(spectra), axis=1)
axes[0, 1].semilogy(mu_range, zero_mode_energy, 'b-', linewidth=2)
axes[0, 1].axvline(x=-2*t, color='green', linestyle=':')
axes[0, 1].axvline(x=2*t, color='green', linestyle=':')
axes[0, 1].set_xlabel('化学ポテンシャル μ/t', fontsize=12)
axes[0, 1].set_ylabel('ゼロモード・エネルギー', fontsize=12)
axes[0, 1].set_title('マヨラナ零モードのエネルギー', fontsize=14)
axes[0, 1].grid(True, alpha=0.3)
# トポロジカル相の波動関数
sites = np.arange(N)
axes[1, 0].bar(sites, np.abs(psi_p_topo)**2, alpha=0.7, label='粒子')
axes[1, 0].bar(sites, np.abs(psi_h_topo)**2, alpha=0.7, label='正孔')
axes[1, 0].set_xlabel('サイト', fontsize=12)
axes[1, 0].set_ylabel('$|\\psi|^2$', fontsize=12)
axes[1, 0].set_title('トポロジカル相 (μ/t=0.5): 端に局在', fontsize=14)
axes[1, 0].legend()
# 自明相の波動関数
axes[1, 1].bar(sites, np.abs(psi_p_trivial)**2, alpha=0.7, label='粒子')
axes[1, 1].bar(sites, np.abs(psi_h_trivial)**2, alpha=0.7, label='正孔')
axes[1, 1].set_xlabel('サイト', fontsize=12)
axes[1, 1].set_ylabel('$|\\psi|^2$', fontsize=12)
axes[1, 1].set_title('自明相 (μ/t=3.0): バルクに広がる', fontsize=14)
axes[1, 1].legend()
plt.tight_layout()
plt.savefig('kitaev_chain.png', dpi=150)
plt.show()
print("=== キタエフ鎖モデル ===")
print(f"トポロジカル相: |μ| < 2t")
print(f"自明相: |μ| > 2t")
print("トポロジカル相では端にマヨラナ零モードが局在")
まとめ
この章で学んだこと
- スピン量子ビット: ブロッホ球面表現、量子ゲート操作
- 緩和過程: T1/T2緩和、デコヒーレンス源
- 量子ビット実装: 量子ドット、NVセンター
- 量子もつれ: ベル状態、CHSH不等式
- スピン-光子結合: キャビティQED、真空ラビ振動
- トポロジカル保護: マヨラナ・フェルミオン