i
CATATAN HARIAN
PENELITIAN LABORATORIUM
DANA ITS 2020
PEMBUATAN ALGORITMA DAN PEMROGRAMAN
PENGKARAKTERISTIK KETERBELITIAN MATRIKS KANAL
QUANTUM (QUANTUM CHANNEL MATRIX)
PADA TELEPORTASI KUANTUM (QUANTUM TELEPORTATION)
Tim Peneliti :
Lila Yuwana
Agus Purwanto
Heru Sukamto
Bintoro Anang Subagyo
Dwi Januriyanto
(Departemen Fisika/FSAD/ITS)
DIREKTORAT RISET DAN PENGABDIAN KEPADA MASYARAKAT
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
No Tanggal Kegiatan
1. 1-5/1/2020 Catatan: Pembuatan proposal
Dokumen Pendukung: Proposal dengan Judul PEMBUATAN
ALGORITMA DAN PEMROGRAMAN
PENGKARAKTERISTIK KETERBELITIAN MATRIKS KANAL QUANTUM (QUANTUM CHANNEL MATRIX)
PADA TELEPORTASI KUANTUM (QUANTUM
TELEPORTATION)
2. 2/4/2020 Catatan: Tanda tangan kontrak penelitian Dokumen Pendukung:
Nomor Kontrak: No: 902/PKS/ITS/2020
3. 12/4/2020 Catatan: Rapat koordinasi untuk melaksanakan kegiatan
penelitian sesuai dengan blok diagram pelaksanaan penelitian
Dokumen Pendukung:
4 30/4/2020 Catatan: Menganalisa Keterbelitan Dan Matriks Densitas Tereduksi melalui bentuk umum matriks densitas bipartit
|𝜒⟩ = ∑ ∑ 𝑥𝑖1𝑖2|𝑖1𝑖2⟩ d2−1 i2=0 d1−1 i1=0 𝑑𝑒𝑛𝑔𝑎𝑛 |x00|2+ ⋯ + |xd1−1 d2−1| 2 = 1 𝜌 ≡ 𝜌𝐴𝐵 = |𝜒⟩⟨𝜒|
Identifikasi kanal kuantum berdasarkan berbagai pola keterbelitan Mentransformasi algoritma ke dalam pemrograman komputasi Merumuskan algoritma baru untuk mengidentifikasi sifat keadaan kuantum Melakukan perhitungan detil perumusan-perumusan pada paper Purwanto dkk.
Melakukan studi pustaka untuk mengobservasi pengaruh matriks densitas terhadap sifat keadaan kuantum
𝜌𝐴𝐵 = ∑ ∑ 𝑥𝑖1𝑖2𝑥𝑗∗1𝑗2|𝑖1𝑖2⟩⟨𝑗1𝑗2| d2−1 𝑖2,𝑗2=0 d1−1 𝑖1,𝑗1=0 = ( 𝑥00𝑥00∗ 𝑥00𝑥01∗ … 𝑥00𝑥(𝑑1−1)(𝑑2−1) ∗ 𝑥01𝑥00∗ 𝑥01𝑥01∗ … 𝑥01𝑥(𝑑∗ 1−1)(𝑑2−1) ⋮ ⋮ 𝑥𝑖𝑗𝑥𝑘𝑙∗ ⋮ 𝑥(𝑑1−1)(𝑑2−1)𝑥00∗ 𝑥(𝑑1−1)(𝑑2−1)𝑥01∗ ⋯ 𝑥(𝑑1−1)(𝑑2−1)𝑥(𝑑1−1)(𝑑2−1) ∗ ) elemen-elemen pada suatu baris ke-𝑚𝑛 merupakan kelipatan
dari baris yang lain (baris ke-𝑚′𝑛′) dengan faktor pengali 𝑥𝑚𝑛
𝑥𝑚′𝑛′,
dengan 𝑥𝑚𝑛 adalah faktor pengali baris ke-𝑚𝑛 dan 𝑥𝑚′𝑛′
merupakan faktor pengali baris yang lain (baris ke-𝑝′𝑞′). Sehingga dengan menerapkan eliminasi Gauss, semua elemen matriks dapat diubah menjadi nol, kecuali untuk satu baris. Dengan kata lain, rank dari matriks densitas asal sama dengan satu
Matriks densitas tereduksi satu-partit
𝜌𝐴= 𝑇𝑟𝐵(𝜌𝐴𝐵) = ∑ 𝐼 ⊗ ⟨𝑚|𝜌𝐴𝐵𝐼 ⊗ |𝑚⟩ 𝑚 = ∑ ∑ ∑ 𝑥𝑖1𝑚𝑥𝑗∗1𝑚|𝑖1⟩⟨𝑗1| 𝑑2−1 𝑚=0 𝑑1−1 𝑗1=0 𝑑1−1 𝑖1=0 = ( ∑ |𝑥0𝑚|2 𝑑2−1 𝑚=0 ∑ 𝑥0𝑚𝑥1𝑚∗ 𝑑2−1 𝑚=0 … ∑ 𝑥0𝑚𝑥𝑑∗1−1 𝑚 𝑑2−1 𝑚=0 ∑ 𝑥1𝑚𝑥0𝑚∗ 𝑑2−1 𝑚=0 ∑ |𝑥1𝑚|2 𝑑2−1 𝑚=0 … ∑ 𝑥1𝑚𝑥𝑑∗1−1 𝑚 𝑑2−1 𝑚=0 ⋮ ⋮ ∑ 𝑥𝑖𝑚𝑥𝑗𝑚∗ 𝑑2−1 𝑚=0 ⋮ ∑ 𝑥𝑑1−1 𝑚𝑥0𝑚∗ 𝑑2−1 𝑚=0 ∑ 𝑥𝑑1−1 𝑚𝑥1𝑚∗ 𝑑2−1 𝑚=0 ⋯ ∑ 𝑥𝑑1−1 𝑚𝑥𝑑∗1−1 𝑚 𝑑2−1 𝑚=0 )
Jika (𝜌𝐴)𝑖𝑗 adalah elemen matriks pada suatu baris dan (𝜌𝐴)𝑖′𝑗
adalah elemen pada baris yang lain, maka (𝜌𝐴)𝑖𝑗 = ∑ 𝑥𝑖𝑚𝑥𝑗𝑚∗
𝑑2−1
𝑚=0
(𝜌𝐴)𝑖′𝑗 = ∑ 𝑥𝑖′𝑚𝑥𝑗𝑚∗
𝑑2−1
𝑚=0
= 𝑥𝑖′0𝑥𝑗0∗ + 𝑥𝑖′1𝑥𝑗1∗ + ⋯ + 𝑥𝑖′ 𝑑2−1𝑥𝑗 𝑑∗ 2−1
𝜌𝐴 mempunyai rank satu jika dan hanya jika (𝜌𝐴)𝑖𝑗 = 𝑐𝑖𝑖′(𝜌𝐴)𝑖′𝑗 atau 𝑥𝑖0 𝑥𝑖′0 = 𝑥𝑖1 𝑥𝑖′1 = ⋯ = 𝑥𝑖 𝑑1−1 𝑥𝑖′𝑑 1−1 = 𝑐𝑖′𝑖
Tetapi secara umum kondisi tersebut tidak dipenuhi, sehingga elemen matriks 𝜌𝐴 tidak dapat dilenyapkan dan tersisa satu baris yang tidak nol. Dengan kata lain, secara umum rank matriks 𝜌𝐴
tidak sama dengan satu, 𝑟(𝜌𝐴) ≠ 1. Demikian juga untuk
matriks densitas tereduksi partikel atau partit B , secara umum rank matriks 𝜌𝐵 tidak sama dengan satu, 𝑟(𝜌𝐵) ≠ 1.
Persamaan bipartit merepresentasikan keadaan terpisah jika koefisien 𝑥𝑖𝑗 dapat dipisah atau dinyatakan sebagai 𝑥𝑖1𝑦𝑖2
|𝜒⟩ = ∑ ∑ 𝑥𝑖1𝑦𝑖2|𝑖1𝑖2⟩ d2−1 i2=0 d1−1 i1=0 𝜌𝐴 = ( ∑ |𝑥0𝑦𝑚|2 𝑑2−1 𝑚=0 ∑ 𝑥0𝑦𝑚𝑥1∗𝑦𝑚∗ 𝑑2−1 𝑚=0 … ∑ 𝑥0𝑦𝑚𝑥𝑑∗1−1𝑦𝑚∗ 𝑑2−1 𝑚=0 ∑ 𝑥1𝑦𝑚𝑥0∗𝑦𝑚∗ 𝑑2−1 𝑚=0 ∑ |𝑥1𝑦𝑚|2 𝑑2−1 𝑚=0 … ∑ 𝑥1𝑦𝑚𝑥𝑑∗1−1𝑦𝑚∗ 𝑑2−1 𝑚=0 ⋮ ⋮ ⋱ ⋮ ∑ 𝑥𝑑1−1𝑦𝑚𝑥0∗𝑦𝑚∗ 𝑑2−1 𝑚=0 ∑ 𝑥𝑑1−1𝑦𝑚𝑥1∗𝑦𝑚∗ 𝑑2−1 𝑚=0 ⋯ ∑ 𝑥𝑑1−1𝑦𝑚𝑥𝑑∗1−1𝑦𝑚∗ 𝑑2−1 𝑚=0 ) (𝜌𝐴)𝑖𝑗= ∑ 𝑥𝑖𝑦𝑚𝑥𝑗∗𝑦𝑚∗ 𝑑2−1 𝑚=0 = 𝑥𝑖𝑦0𝑥𝑗∗𝑦0∗+ 𝑥𝑖𝑦1𝑥𝑗∗𝑦1∗+ ⋯ + 𝑥𝑖 𝑦𝑑2−1𝑥𝑗∗𝑦𝑑∗2−1 (𝜌𝐴)𝑖′𝑗 = ∑ 𝑥𝑖′𝑦𝑚𝑥𝑗∗𝑦𝑚∗ 𝑑2−1 𝑚=0 = 𝑥𝑖′𝑦0𝑥𝑗∗𝑦0∗+ 𝑥𝑖′𝑦1𝑥𝑗∗𝑦1∗+ ⋯ + 𝑥𝑖′ 𝑦𝑑2−1𝑥𝑗∗𝑦𝑑∗2−1
Baris satu akan melenyapkan baris lainnya dan tersisa satu baris yang tidak lenyap atau dengan kata lain matriks mempunyai rank satu karena (𝜌𝐴)𝑖𝑗 = 𝑐𝑖′𝑖(𝜌𝐴)𝑖′𝑗 atau
𝑥𝑖𝑦0 𝑥𝑖′𝑦0 = 𝑥𝑖𝑦1 𝑥𝑖′𝑦1 = ⋯ = 𝑥𝑖𝑦𝑑1−1 𝑥𝑖′𝑦𝑑 1−1 ∗ = 𝑐𝑖′𝑖
Dengan menggunakan eliminasi Gauss, elemen-elemen baris dapat dilenyapkan sehingga tersisa satu baris yang tidak nol, maka 𝑟(𝜌𝐴) = 1. Dengan cara yang sama, diperoleh 𝑟(𝜌𝐵) = 1.
5 1/5/2020 Catatan: Algoritma yang telah dirumuskan akan dikonversi ke dalam algoritma pemrograman yang dapat di jalankan dalam berbagai bahasa pemrograman. Dalam penelitian ini
menggunakan MATLAB.
6 5/5/2020 Catatan: Pembuatan program MATLAB untuk input program Dokumen Pendukung: disp('=========================================='); disp(' SC - Transformation '); disp('=========================================='); n=input('Number of Steps: '); s1=input('Initial State (0 or 1) :'); p1=input('Initial Position (x) :'); a=1/sqrt(2); b=1/sqrt(2); c=1/sqrt(2); d=-1/sqrt(2);
fprintf('\nInitial State and Position: |%1.0f,%1.0f>\n',p1,s1);
fprintf('\n');
7 10/5/2020 Catatan: Rapat koordinasi untuk merumuskan pola hasil
perhitungan bentuk keadaan kuantum matriks densitas
Dokumen Pendukung:
8 25/5/2020 Catatan: Melanjutkan developing program MATLAB
Dokumen Pendukung: for r=1:n for s=1:2^r if(mod(s,2)==0) y(r,s)=1; else y(r,s)=0; end if((r==1)) if(s1==0) if(s==1) k(r,s)=a; else k(r,s)=b; end else if(s==1) k(r,s)=c;
else k(r,s)=d; end end else t=t+1; if(t==1) k(r,s)=a*k(r-1,round(s/2)); else if(t==2) k(r,s)=b*k(r-1,round(s/2)); else if(t==3) k(r,s)=c*k(r-1,round(s/2)); else if(t==4) k(r,s)=d*k(r-1,round(s/2));
end end end end if(t==4) t=0; end end if(r==1) if(y(r,s)==0) z(r,s)=p1-1; else z(r,s)=p1+1; end else if(y(r,s)==0) z(r,s)=z(r-1,round(s/2))-1; else z(r,s)=z(r-1,round(s/2))+1; end end end end
[m, bin] = histc(z(n,:), unique(z(n,:)));
multiplez=find(m>1); indexz=find(ismember(bin,multiplez)); [bz,nz]=size(indexz); [bz,mz]=size(multiplez); rz=2; nz; zz(n,1)=z(n,1); zz(n,2)=z(n,2^n); yy(n,1)=y(n,1); yy(n,2)=y(n,2^n); kk(n,1)=k(n,1); kk(n,2)=k(n,2^n); rz1=rz; kz=0; for r=2:2^n-1 rz1=rz1+1; zz(n,rz1)=z(n,r); yy(n,rz1)=y(n,r); kk(n,rz1)=k(n,r); end rzz=rz; pk=0; qk=0; for i=1:mz indexz1=find(ismember(bin,multiplez(i))); kkz(i)=z(n,indexz1(i)); end for i=1:mz rzz=rzz+1; for j=(rz+1):2^n if(yy(n,j))==0 if(zz(n,j))==kkz(i) pk=pk+kk(n,j); end else if(yy(n,j))==1 if(zz(n,j))==kkz(i) qk=qk+kk(n,j); end end end end zz(n,rzz)=kkz(i); yy(n,rzz)=0; kk(n,rzz)=pk; zz(n,rzz+1)=kkz(i); yy(n,rzz+1)=1; kk(n,rzz+1)=qk; pk=0; qk=0; rzz=rzz+1; end fprintf('Output State: \n'); for s=1:rzz fprintf('%s |%1.0f,%1.0f> \n',num2str(kk(n,s)),zz(n,s),yy(n,s)); k2(n,s)=(abs(kk(n,s)))^2; p=p+k2(n,s); end
9 1/6/2020 Catatan: Tahap penyederhanaan suku-suku persamaan sehingga
jumlah keadaan kuantum yang banyak dapat dikurangi dan diubah ke dalam bentuk sederhana. Dan menampilkan hasilnya.
Dokumen Pendukung: fprintf('\nTotal Probability = %1.4f\n',p); kkz=rz; nrzz=(rzz-2)/2+2; pzz(n,1)=zz(n,1); pzz(n,nrzz)=zz(n,2); pk2(n,1)=abs(kk(n,1))^2; pk2(n,nrzz)=abs(kk(n,2))^2; for s=2:nrzz-1 kkz=kkz+1; pzz(n,s)=zz(n,kkz); pk2(n,s)=abs(kk(n,kkz))^2+abs(kk(n,kkz+1))^2; kkz=kkz+1; end
fprintf('\nThe Probability at any position: \n'); fprintf('===================== \n'); fprintf('Position Probability\n'); fprintf('--- \n'); for s=1:nrzz fprintf(' %1.0f %1.8f\n',pzz(n,s),pk2(n,s)); end plot(pzz(n,1:nrzz),pk2(n,1:nrzz))
10 10/6/2020 Catatan: Rapat koordinasi evaluasi tahap pertama pemrograman.
Dokumen Pendukung:
11 15/6/2020 Catatan: Mencoba menentukan pola kombinasi perhitungan rank
matriks densitas tereduksi untuk mengevaluasi keterbelitan multipartit.
12 20/6/2020 Catatan: Mengganti untuk Keadaan Multipartit Gabungan
Keadaan sub-terbelit
Dokumen Pendukung:
Dinyatakan dalam |𝜒⟩ = |𝜒1⟩ ⊗ |𝜒2⟩ dengan
|𝜒1⟩ = ∑ … ∑ 𝑥𝑖1𝑖2…𝑖𝑘|𝑖1… 𝑖𝑘⟩ 𝑑𝑘−1 𝑖𝑘=0 𝑑1−1 𝑖1=0 𝑑𝑎𝑛 |𝜒2⟩ = ∑ … 𝑑𝑘+1−1 𝑖𝑘+1=0 ∑ 𝑦𝑖𝑘+1…𝑖𝑛|𝑖𝑘+1… 𝑖𝑛⟩ 𝑑𝑛−1 𝑖𝑛=0 𝜌 = ∑ … ∑ 𝑥𝑖1…𝑖𝑘𝑦𝑖𝑘+1…𝑖𝑛𝑥𝑗1…𝑗𝑘 ∗ 𝑦 𝑗𝑘+1…𝑗𝑛 ∗ |𝑖 1… 𝑖𝑛⟩⟨𝑗1… 𝑗𝑛| 𝑑𝑛−1 𝑖𝑛,𝑗𝑛=0 𝑑1−1 𝑖1,𝑗1=0 𝜌ℓ= ∑ … ∑ ⟨𝑚1… 𝑚ℓ−1| ⊗ 𝐼 ⊗ ⟨𝑚ℓ+1… 𝑚𝑛|𝜌|𝑚1… 𝑚ℓ−1⟩ ⊗ 𝐼 𝑑𝑛−1 𝑚𝑛=0 𝑑1−1 𝑚1=0 ⊗ |𝑚ℓ+1… 𝑚𝑛⟩ a) Untuk ℓ ≤ 𝑘 7, ABCDEFG 1-1-1-1-1-1-1 A, B, C, D, E, F, G 63 Pasangan 2-5 seperti CDEFG dan 3-4 seperti DEFG dan yang lain tidak perlu dievaluasi 2-2-3, 2-5,
3-4
AB, AC, AD, AE, AF, AG, BC, BD, BE, BF, BG, CD, CE, CF, CG, DE, DF, DG, EF, EG, FG
ABC, ABD, ABE, ABF, ABG, ACD, ACE, ACF, ACG,
ADE, ADF, ADG, AEF, AEG, AFG, BCD, CDF, CDG, CEF, CEG, CFG, DEF, DEG, DFG, EFG Jumlah Partit (n) Kombinasi Pola yang Mungkin
Perhitungan Rank Matriks Densitas yang Sesuai Kombinasi
Total Catatan
2, AB 1 A 1 Rank matriks densitas tereduksi lain (B) tidak sama dengan satu jika rank(A)≠1 3, ABC 1-1-1 A, B, C 3 Jika rank A,B,C≠1 maka tidak
diperlukan perhitungan AB,AC,BC karena rank sisa kombinasi tidak sama dengan satu juga
4, ABCD 1-1-1-1 A, B, C, D 7 Sama dengan di atas 2-2 AB, AC, AD
5, ABCDE 1-1-1-1-1 A, B, C, D, E 15 Sama dengan di atas 2-3 AB, AC, AD, AE, BC, BD, BE,
CD, CE, DE
6, ABCDEF 1-1-1-1-1-1 A, B, C, D, E, F 31 Pasangan 2-4 seperti CDEF dan 3-3 seperti DEF dan yang lain tidak perlu dievaluasi 2-2-2, 2-4 AB, AC, AD, AE, AF, BC, BD,
BE, BF, CD, CE, CF, DE, DF, EF
3-3 ABC, ABD, ABE, ABF, ACD, ACE, ACF, ADE, ADF, AEF
𝜌ℓ= ∑ … ∑ ∑ … ∑ ∑ 𝑥𝑚1−𝑚ℓ−1𝑖ℓ𝑚ℓ+1…𝑚𝑘𝑥𝑚1−𝑚ℓ−1𝑗ℓ𝑚ℓ+1…𝑚𝑘 ∗ |𝑖 ℓ⟩⟨𝑗ℓ| 𝑑ℓ−1 𝑖ℓ𝑗ℓ=0 𝑑𝑘−1 𝑚𝑘=0 𝑑ℓ+1−1 𝑚ℓ+1=0 𝑑ℓ−1−1 𝑚ℓ−1=0 𝑑1−1 𝑚1=0 = ( (𝜌𝑙)00 (𝜌𝑙)01 … (𝜌𝑙)0 𝑑ℓ−1 (𝜌𝑙)10 (𝜌𝑙)11 … (𝜌𝑙)1 𝑑ℓ−1 ⋮ ⋮ ⋮ (𝜌𝑙)𝑑ℓ−1 0 (𝜌𝑙)𝑑ℓ−1 1 ⋯ (𝜌𝑙)𝑑ℓ−1 𝑑ℓ−1) (𝜌𝑙)𝑟𝑠= ∑ ⋯ ∑ 𝑥𝑚1⋯𝑚ℓ−1𝑟𝑚ℓ+1⋯𝑚𝑘𝑥1⋯𝑚ℓ−1𝑠𝑚ℓ+1⋯𝑚𝑘 ∗ 𝑑𝑘−1 𝑚𝑘=0 𝑑1−1 𝑚1
Seperti pada evaluasi sebelumnya, rank dari matriks densitas tereduksi satu-partit ke-ℓ dari multipartit |𝜒1⟩ ini tidak sama dengan satu
b) Untuk ℓ > 𝑘 𝜌ℓ= ∑ … ∑ ∑ 𝑦𝑚𝑘+1−𝑚ℓ−1𝑖ℓ𝑚ℓ+1…𝑖𝑛𝑦𝑚𝑘+1−𝑚ℓ−1𝑗ℓ𝑚ℓ+1…𝑚𝑛 ∗ |𝑖 ℓ⟩⟨𝑗ℓ| 𝑑ℓ−1 𝑖ℓ,𝑗ℓ=0 𝑑𝑛−1 𝑚𝑛=0 𝑑𝑘+1−1 𝑚𝑘+1=0 = ( (𝜌𝑙)00 (𝜌𝑙)01 … (𝜌𝑙)0 𝑑ℓ−1 (𝜌𝑙)10 (𝜌𝑙)11 … (𝜌𝑙)1 𝑑ℓ−1 ⋮ ⋮ ⋮ (𝜌𝑙)𝑑ℓ−1 0 (𝜌𝑙)𝑑ℓ−1 1 ⋯ (𝜌𝑙)𝑑ℓ−1 𝑑ℓ−1) (𝜌𝑙)𝑟𝑠= ∑ … ∑ 𝑦𝑚𝑘+1−𝑚ℓ−1𝑟𝑚ℓ+1…𝑚𝑛𝑦𝑚𝑘+1−𝑚ℓ−1𝑠𝑚ℓ+1…𝑚𝑛 ∗ 𝑑𝑛−1 𝑚𝑛=0 𝑑𝑘+1−1 𝑚𝑘+1 𝜌1…𝑘= 𝑇𝑟(𝑘+1)…𝑛(𝜌) = ∑ … ∑ ∑ … ∑ 𝑥𝑖1…𝑖𝑘𝑦𝑖𝑘+1…𝑖𝑛𝑥𝑗1…𝑗𝑘 ∗ 𝑦 𝑗𝑘+1…𝑗𝑛 ∗ 𝐼 ⊗ … ⊗ 𝐼 𝑑𝑛−1 𝑖𝑛,𝑗𝑛=0 𝑑1−1 𝑖1,𝑗1=0 𝑑𝑛−1 𝑚𝑛=0 𝑑𝑘+1−1 𝑚𝑘+1=0 ⊗ ⟨𝑚𝑘+1… 𝑚𝑛|𝑖1… 𝑖𝑘𝑖𝑘+1… 𝑖𝑛⟩ ⟨𝑗1… 𝑗𝑘𝑗𝑘+1… 𝑗𝑛|𝐼 ⊗ … ⊗ 𝐼 ⊗ |𝑚𝑘+1… 𝑚𝑛⟩ ... 𝜌1…𝑘= ∑ ⋯ ∑ 𝑥𝑖1…𝑖𝑘𝑥𝑗1…𝑗𝑘 ∗ |𝑖 1… 𝑖𝑘⟩⟨𝑗1… 𝑗𝑘| 𝑑𝑘−1 𝑖𝑘,𝑗𝑘=0 𝑑1−1 𝑖1,𝑗1=0
Matriks densitas sub-keadaan tersebut seperti halnya pada matriks densitas asal, juga memiliki rank satu, rank (𝜌1…𝑘) = 1. Demikian juga,
𝜌𝑘+1…𝑛= 𝑇𝑟𝑖1…𝑖𝑘(𝜌) = ∑ … ∑ ∑ … ∑ 𝑥𝑖1…𝑖𝑘𝑦𝑖𝑘+1…𝑖𝑛𝑥𝑗1…𝑗𝑘 ∗ 𝑦 𝑗𝑘+1…𝑗𝑛 ∗ ⟨𝑚 1… 𝑚𝑘| 𝑑𝑛−1 𝑖𝑛,𝑗𝑛=0 𝑑1−1 𝑖1,𝑗1=0 𝑑𝑘−1 𝑚𝑘=0 𝑑1−1 𝑚1=0 |𝐼 ⊗ … ⊗ 𝐼|𝑖1… 𝑖𝑘𝑖𝑘+1… 𝑖𝑛⟩⟨𝑗1… 𝑗𝑘𝑗𝑘+1… 𝑗𝑛|𝑚1… 𝑚𝑘⟩𝐼 ⊗ … ⊗ 𝐼 = ∑ ⋯ ∑ 𝑦𝑖𝑘+1…𝑖𝑛𝑦𝑗𝑘+1…𝑗𝑛 ∗ 𝑑𝑛−1 𝑖𝑛,𝑗𝑛=0 𝑑𝑘+1−1 𝑖𝑘+1,𝑗𝑘+1=0 |𝑖𝑘+1… 𝑖𝑛⟩⟨𝑗𝑘+1… 𝑗𝑛|
yang juga memiliki rank satu, 𝑟(𝜌𝑘+1…𝑛) = 1.
Matriks densitas bipartit dari gabungan sub-keadaan, (𝑘𝑘 + 1), bagian keadaan dari |𝜒1⟩ untuk partit ke-𝑘, dan partit ke-(𝑘 + 1) dari keadaan |𝜒2⟩ diperoleh sebagai
berikut 𝜌𝑘𝑘+1= ∑ ⋯ ∑ ∑ ∑ 𝑥𝑚1…𝑖𝑘𝑦𝑖𝑘+1…𝑚𝑛𝑥𝑚1…𝑗𝑘 ∗ 𝑦 𝑗𝑘+1…𝑚𝑛 ∗ |𝑖 𝑘𝑖𝑘+1⟩⟨𝑗𝑘𝑗𝑘+1| 𝑑𝑘+1−1 𝑖𝑘+1,𝑗𝑘+1=0 𝑑𝑘−1 𝑖𝑘𝑗𝑘=0 𝑑𝑛−1 𝑚𝑛=0 𝑑1−1 𝑚1=0
Elemen matriks densitas tersebut pada suatu baris bukan merupakan kelipatan dari baris yang lain, sehingga matriks densitas ini tidak dapat dibuat menjadi nol hingga satu baris tersisa dengan menggunakan eliminasi Gauss. Dengan demikian, rank matriks densitas sub-keadaan terbelit 𝜌𝑘+1…𝑛 adalah tidak sama dengan satu. Maka,
sub-keadaan matriks densitas bipartit dari gabungan sub-keadaan, (𝑘𝑘 + 1), bagian keadaan dari |𝜒1⟩ untuk partit ke-𝑘, dan partit ke-(𝑘 + 1) dari keadaan |𝜒2⟩ merupakan
keadaan terbelit.
13 30/6/2020 Catatan: Rapat koordinasi untuk Evaluasi terhadap keadaan
multipartit terpisah keseluruhan memberikan hasil sebagai berikut.
Dokumen Pendukung:
Evaluasi terhadap keadaan multipartit terpisah keseluruhan memberikan hasil sebagai berikut.
• Jika semua rank matriks densitas tereduksi satu-partit tidak sama dengan satu, maka ini bukan suatu indikasi bahwa multipartit tersebut adalah keadaan terbelit
sempurna, tetapi terdapat kemungkinan bahwa multipartit tersebut tersusun atas beberapa sub-keadaan terbelit. • Multipartit dapat dinyatakan sebagai keadaan terbelit
sempurna jika semua rank matriks densitas tereduksi satu-partit dan juga sub-keadaa lebih tinggi tidak sama dengan satu.
Sementara itu,
• Jika rank matriks densitas tereduksi sub-keadaan tidak sama dengan satu, maka rank dari sub-state pasangannya juga tidak sama dengan satu.
• Jika rank matriks densitas tereduksi sub-keadaan sama dengan satu, maka rank dari sub-keadaan pasangannya juga sama dengan satu.
• Dengan kata lain, jika suatu sub-keadaan telah dievaluasi rank matriks densitas tereduksimya, maka rank matriks densitas tereduksi sub-keadaan sisanya dapat diketahui tanpa melakukan perhitungan lebih lanjut.
• Lebih lanjut, sisa dari pasangan sub-keadaan dapat dievaluasi lagi kedalam sub-keadaan yang lebih kecil
14 20/7/2020 Catatan: Menentukan contoh penentuan sub total masing-masing pola kombinasi untuk jumlah partit tertentu
Dokumen Pendukung:
• Untuk partit 𝒏 = 𝟓, pola 2-3, yaitu AB-CDE atau ditulis AB saja, tanpa pasangannya CDE. Pola lengkap diberikan sebagai berikut
AB AC AD AE BC BD BE CD CE DE Total kombinasi: 10 • Untuk partit 𝒏 = 𝟔,
Pola 3-3, yaitu ABC-DEF, atau ditulis ABC saja, tanpa pasangannya DEF. Semua pola diberikan sebagai berikut
ABC ABD ABE ABF ACD ACE ACF ADE ADF AEF
Total kombinasi pola 3-3: 10
Pola 2-2-2, yaitu AB-CD-EF. Sub keadaan CD-EF mempunyai 3 pola CD-EF, CE-DF, CF-DE. Sedangkan pola AB mempunyai 5 bentuk: AB, AC, AD, AE, dan AF. Jumlah total pola 2-2-2 adalah 5 x 3 = 15.
Pola 2-4, AB-CDEF ada 15, yaitu AB AC AD AE AF
BC BD BE BF CD CE CF DE DF EF
Masing-masing dengan pasangan 4-partit yang tidak dituliskan. Karena itu, jumlah total pola sub-keadaan adalah: 40
15 5/8/2020 Catatan: Pembuatan table Pola perhitungan sub-keadaan terbelit
dari keadaan multipartit sampai dengan sepuluh-partit
16 12/8/2020 Catatan: Menyusun laporan kemajuan Dokumen Pendukung:
(Draf laporan kemajuan)
Jumlah Partit (n) Kombinasi Pola yang Mungkin Perhitungan Rank Matriks Densitas yang Sesuai Kombinasi Sub Total Total 4 2-2 AB-CD 3 3 5 2-3 AB-CDE 10 10 6 2-2-2 2-4 3-3 AB-CD-EF AB-CDEF ABC-DEF 15 15 10 40 7 2-2-3 2-5 3-4 AB-CD-EFG AB-CDEFG ABC-DEFG 105 21 35 161 8 2-2-2-2 2-2-4 2-6 2-3-3 3-5 4-4 AB-CD-EF-GH AB-CD-EFGH AB-CDEFGH AB-CDE-FGH ABC-DEFGH ABCD-EFGH 105 210 28 280 56 35 714 9 2-2-2-3 2-2-5 2-7 2-3-4 3-3-3 3-6 4-5 AB-CD-EF-GHI AB-CD-EFGHI AB-CDEFGHI AB-CDE-FGHI ABC-DEF-GHI ABC-DEFGHI ABCD-EFGHI 1260 378 36 1629 280 84 126 3787 10 2-2-2-2-2 2-2-2-4 2-2-6 2-8 2-2-3-3 2-4-4 3-3-4 3-7 4-6 5-5 2-3-5 AB-CD-EF-GH-IJ AB-CD-EF-GHIJ AB-CD-EFGHIJ AB-CDRFGHIJ AB-CD-EFG-HIJ AB-CDEF-GHIJ ABC-DEF-GHIJ ABC-DEFGHIJ ABCD-EFGHIJ ABCDE-FGHIJ AB-CDE-FGHIJ 945 3150 630 45 6300 1575 2100 120 210 126 2520 17721
17 20/8/2020 Catatan: Diskusi Laboratorium Online dengan topik
“Perkembangan Penelitian Teleportasi Kuantum di Bidang Kuantum Informasi”
Dokumen Pendukung:
18 9/10/2019 Catatan: Mengikuti Seminar Internasional “ICSAS 2020” online
yang diselenggarakan oleh UNS Solo
19 17/10/2020 Catatan: Menyelebgggarakan Kuliah Umum Fisika Teori
Bersama UM Malang dengan Topik “Drama di Panggung Mikro”
20 30/10/2020` Catatan: Menyusun algoritma bentuk umum keadaan kuantum
beserta densitas matriksnya
Dokumen Pendukung:
Langkah pertama algoritma pemrograman adalah mendefinisikan keadaan multipartite pada Bahasa pemrograman Python. Keadaan multipartite merupakan bentuk paling umum dari kanal kuantum yang dapat merepresentasikan m-partikel dengan n-jumlah keadaan. Dalam hal ini, pemrogramannya dapat disusun sebagai berikut. def getNameMatrix(d_name): abjad = "ABCDEFGHIJKLMNOPQRSTUVWXYZ" hasil = ""; for i in d_name: hasil += abjad[int(i)] return hasil
Langkah algoritma pemrograman berikutnya adalah membentuk matriks densitas yang dihasilkan dari bentuk umum keadaan kuantum multipartit berikut ini.
|𝜒⟩ = ∑ ∑ … ∑ 𝑥𝑖1𝑖2…𝑖𝑛|𝑖1𝑖2… 𝑖𝑛⟩ 𝑑𝑛−1 𝑖𝑛=0 d2−1 i2=0 d1−1 i1=0 𝜌 = |𝜒⟩⟨𝜒| = ∑ ⋯ d1−1 i1,j1=0 ∑ 𝑥𝑖1…𝑖𝑛𝑥𝑗1…𝑗𝑛 ∗ |𝑖 1… 𝑖𝑛⟩⟨𝑗1… 𝑗𝑛| 𝑑𝑛−1 𝑖𝑛,𝑗𝑛=0
Dalam bentuk matriks, dapat direpresentasikan dalam
ρ = ( 𝑥0…00𝑥0…00∗ 𝑥0…00𝑥0…01∗ … 𝑥0…00𝑥0…0(𝑑𝑛−1) ∗ … 𝑥 0…00𝑥(𝑑1−1)(𝑑2−1)…(𝑑𝑛−1) ∗ 𝑥0…01𝑥0…00∗ 𝑥0…01𝑥0…01∗ … 𝑥0…01𝑥0…0(𝑑𝑛−1) ∗ … 𝑥 0…01𝑥(𝑑1−1)(𝑑2−1)…(𝑑𝑛−1) ∗ ⋮ 𝑥0…0(𝑑𝑛−1)𝑥0…00 ∗ 𝑥 0…0(𝑑𝑛−1)𝑥0…01 ∗ … 𝑥 0…0(𝑑𝑛−1)𝑥0…0(𝑑𝑛−1) ∗ … 𝑥 0…0(𝑑𝑛−1)𝑥(𝑑1−1)(𝑑2−1)…(𝑑𝑛−1) ∗ ⋮ 𝑥(𝑑1−1)(𝑑2−1)…(𝑑𝑛−1)𝑥0…00 ∗ 𝑥 (𝑑1−1)(𝑑2−1)…(𝑑𝑛−1)𝑥0…01 ∗ … 𝑥 (𝑑1−1)(𝑑2−1)…(𝑑𝑛−1)𝑥0…0(𝑑𝑛−1) ∗ 𝑥 (𝑑1−1)(𝑑2−1)…(𝑑𝑛−1)𝑥(𝑑1−1)(𝑑2−1)…(𝑑𝑛−1) ∗ )
Dalam pemrograman yang menggunakan Bahasa Python,
pembentukan bentuk matematis matriks densitas umum keadaan multipartite tersebut dapat disusun sebagai berikut.
##for get matrik umum
def getMatriks( i_state, i_basis): hasil = []
i_state = i_state.replace(" ", "")
l_state = i_state[:len(i_state)-1].split("]") for i in range(0, len(l_state)):
if i==0: hasil = getMatriksColumn(l_state[i], i_basis) else: hasil = hasil + getMatriksColumn(l_state[i], i_basis) hasil = hasil*hasil.transpose().conjugate() return (hasil)
Sesuai dengan tinjauan teoritis, rank densitas matriks dari keadaan kuantum keseluruhan adalah satu, 𝑟(𝜌) = 1. Dengan menerapkan eliminasi Gauss, semua elemen densitas matriks dapat di’nol’kan kecuali hanya baris pertama yang tersisa.
21 5/11/2020 Catatan: Menyusun algoritma klasifikasi keterbelitan keadaan
kuantum beserta densitas matriksnya
Dokumen Pendukung:
Selanjutnya dilakukan pengklasifikasian jenis keterbelitan kanal kuantum berdasarkan perhitungan rank matriks tereduksi. Secara matematis, metode untuk memperoleh matriks tereduksi berdasarkan klasifikasi keterbelitan serta perhitungan ranknya telah dipaparkan pada Subbab 2.2. Dari algoritma matematis tersebut, dapat ditransformasi ke dalam pemrograman Python sebagai berikut.
##for get matrik kolom
def getMatriksColumn(i_state, i_basis): l_state = i_state.split("|")
value = l_state[0] state = l_state[1] hasil = [1]
for i in range(0, len(state)): index = int(state[i])
array = np.array(np.zeros((int(i_basis[i]), 1)), dtype=complex)
array[index] = 1
hasil = np.kron(hasil, array) hasil = hasil*eval(value)
return hasil
##untuk generate matrik yang akan di bentuk def getListScene(i_basis):
n_qubits = len(i_basis) l_hasil = []
n_matriks = n_qubits * (n_qubits - 1) for i in range(0, n_matriks):
dataRow = ""
for j in range(i % n_qubits, i % n_qubits + n_qubits):
if j < int(i % n_qubits + int(i / n_qubits) + 1):
dataRow += str(j % n_qubits) l_hasil.append(dataRow)
return l_hasil
def checkScene(i, scene):
for i in range(0, len(scene)): if(i==int(scene[i])): return True
return False
def getListStatePerScene(scene, i_basis): basis = []
for i in range(0, len(i_basis)): same = False
for j in range(0, len(scene)): if(i==int(scene[j])): same = True if same==False: basis.append(i_basis[i]) i_basis = "".join(basis) n_qubits = len(i_basis) hasil = [] n_matrix = 1;
for i in range(0, n_qubits):
for i in range(0, n_matrix):
binnary = decimalToBinnary(i, i_basis) for j in range(0, len(scene)):
binnary = insertMiddle(scene[j], binnary, "I")
hasil.append(binnary) return (hasil)
def decimalToBinnary(decimal, basis): hasil = []
for i in range(len(basis)-1, -1, -1):
hasil.insert(0, str(decimal%int(basis[i]))) decimal = int(decimal/int(basis[i]))
return ("".join(hasil))
def getMatrikPerState(state, matrix, i_basis): right = [1]
left = [1]
for i in range(0, len(state)): if state[i]=="I": I = np.eye(int(i_basis[i]), dtype=complex) left = np.kron(left, I) right = np.kron(right, I) else: array = np.array(np.zeros((int(i_basis[i]), 1)), dtype=complex) array[int(state[i])] = 1
left = np.kron(left, array.transpose()) right = np.kron(right, array)
hasil = np.matmul(left, matrix) hasil = np.matmul(hasil, right) return hasil
def getMatrikPerScene(scene, matrix, i_basis): list_state = getListStatePerScene(scene, i_basis)
hasil = []
for i in range(0, len(list_state)): if i==0:
hasil = getMatrikPerState(list_state[i], matrix, i_basis)
else:
hasil = hasil +
getMatrikPerState(list_state[i], matrix, i_basis) return hasil
def calculate(matrix_umum, i_basis): l_scene = getListScene(i_basis) hasil = []
scene_umum = ""
for i in range(0, len(i_basis)): scene_umum += str(i) dictMatriks = { 'no': (0), 'name_matrix': getNameMatrix(scene_umum), 'rank_matrix': matrix_rank(matrix_umum), # 'matriks': matrix, 'size': [len(matrix_umum), len(matrix_umum[0])] } hasil.append(dictMatriks)
for i in range(0, len(l_scene)):
matrix = getMatrikPerScene(l_scene[i], matrix_umum, i_basis) dictMatriks = { 'no': (i+1), 'name_matrix': getNameMatrix(l_scene[i]), 'rank_matrix': matrix_rank(matrix), # 'matriks': matrix,
'size': [len(matrix), len(matrix[0])] }
hasil.append(dictMatriks) return hasil;
22 10/11/2020 Catatan: Memberikan contoh Analisa melalui pemrograman
mengenai klasifikasi sifat keterbelitan
Dokumen Pendukung:
1. Keadaan Terpisah
Keadaan kuantum masukan berupa: |𝜓⟩ =12(|00⟩ + |01⟩ + |10⟩ + |11⟩)
Yang ditulis dalam i_basis = "22" i_state = "1/(2)|00]+1/(2)|01]+1/(2)|10]+1/(2)|11]" Hasil pemrograman: Input 1/(2)|00]+1/(2)|01]+1/(2)|10]+1/(2)|11] Hasil
{'no': 0, 'name_matrix': 'AB', 'rank_matrix': 1, 'size': [4, 4]} {'no': 1, 'name_matrix': 'A', 'rank_matrix': 1, 'size': [2, 2]} {'no': 2, 'name_matrix': 'B', 'rank_matrix': 1, 'size': [2, 2]}
• Dari masukan yang diberikan berupa "22", yang berarti 2 kubit dengan masing-masing kubit memiliki 2 keadaan, yaitu 0 dan 1.
• Dari keluaran program diperoleh rank matriks densitas keseluruhan adalah 1. Hal ini sesuai dengan perhitungan matematis pada Subbab 2.2.
• Diperoleh rank matriks tereduksi A dan B adalah 1, yang berarti sifat keterbelitan dari keadaan kuantum masukan adalah keadaan tepisah keseluruhan.
2. Keadaan Terbelit 3 Kubit
Keadaan kuantum masukan berupa: |𝜓⟩ = 1
√2(|000⟩ + |111⟩)
Yang ditulis dalam
i_basis = "222" i_state = "1/(2**(0.5))|000]+1/(2**(0.5))|111]" Hasil pemrograman: Input 1/(2**(0.5))|000]+1/(2**(0.5))|111] Hasil
{'no': 0, 'name_matrix': 'ABC', 'rank_matrix': 1, 'size': [8, 8]} {'no': 1, 'name_matrix': 'A', 'rank_matrix': 2, 'size': [2, 2]} {'no': 2, 'name_matrix': 'B', 'rank_matrix': 2, 'size': [2, 2]} {'no': 3, 'name_matrix': 'C', 'rank_matrix': 2, 'size': [2, 2]} {'no': 4, 'name_matrix': 'AB', 'rank_matrix': 2, 'size': [4, 4]} {'no': 5, 'name_matrix': 'BC', 'rank_matrix': 2, 'size': [4, 4]} {'no': 6, 'name_matrix': 'CA', 'rank_matrix': 2, 'size': [4, 4]}
• Dari masukan yang diberikan berupa "222", yang berarti 3 kubit dengan masing-masing kubit memiliki 2 keadaan, yaitu 0 dan 1.
• Dari keluaran program diperoleh rank matriks densitas keseluruhan adalah 1. Hal ini sesuai dengan perhitungan matematis pada Subbab 2.2.
• Diperoleh semua rank matriks tereduksi adalah 2, yang berarti sifat keterbelitan dari keadaan kuantum masukan adalah keadaan terbelit keseluruhan.
Keadaan kuantum masukan berupa: |𝜓⟩ = 0.5|00⟩ + 0.5|01⟩ + 0.7|10⟩ + 0.1|11⟩
Yang ditulis dalam
i_basis = "22" i_state = "1/(2)|00]+1/(2)|01]+7/(10)|10]+1/(10)|11]" Hasil pemrograman: Input 1/(2)|00]+1/(2)|01]+7/(10)|10]+1/(10)|11] Hasil
{'no': 0, 'name_matrix': 'AB', 'rank_matrix': 1, 'size': [4, 4]} {'no': 1, 'name_matrix': 'A', 'rank_matrix': 2, 'size': [2, 2]} {'no': 2, 'name_matrix': 'B', 'rank_matrix': 2, 'size': [2, 2]}
• Dari masukan yang diberikan berupa "22", yang berarti 2 kubit dengan masing-masing kubit memiliki 2 keadaan, yaitu 0 dan 1.
• Dari keluaran program diperoleh rank matriks densitas keseluruhan adalah 1. Hal ini sesuai dengan perhitungan matematis pada Subbab 2.2.
• Diperoleh semua rank matriks tereduksi adalah 2, yang berarti sifat keterbelitan dari keadaan kuantum masukan adalah keadaan terbelit keseluruhan.
4. Keadaan Terbelit 3 partit
Keadaan kuantum masukan berupa: |𝜓⟩ = 1
√3(|00⟩ + |11⟩ +
|22⟩)
Yang ditulis dalam
i_basis = "33" i_state = "1/(3**(0.5))|00]+1/(3**(0.5))|11]1/(3**(0.5))|22 ]" Hasil pemrograman: Input 1/(3**(0.5))|00]+1/(3**(0.5))|11]1/(3**(0.5))|22] Hasil
{'no': 0, 'name_matrix': 'AB', 'rank_matrix': 1, 'size': [9, 9]} {'no': 1, 'name_matrix': 'A', 'rank_matrix': 3, 'size': [3, 3]} {'no': 2, 'name_matrix': 'B', 'rank_matrix': 3, 'size': [3, 3]}
• Dari masukan yang diberikan berupa "33", yang berarti 2 partit dengan masing-masing partit memiliki 3 keadaan, yaitu 0, 1, dan 2.
• Dari keluaran program diperoleh rank matriks densitas keseluruhan adalah 1. Hal ini sesuai dengan perhitungan matematis pada Subbab 2.2.
• Diperoleh semua rank matriks tereduksi adalah 3, yang berarti sifat keterbelitan dari keadaan kuantum masukan adalah keadaan terbelit keseluruhan (rank lebih dari 1).
23 15/11/2020 Catatan: Menyusun Laporan Penelitian
Dokumen Pendukung: Terlampir
Keterangan: Dokumen pendukung pada setiap kegiatan dapat berupa foto, grafik, tabel,