用张量流计算量子算子的时间依赖期望值

如何解决用张量流计算量子算子的时间依赖期望值

我正在尝试计算量子算子随时间变化的期望值。我获得了每个状态的状态

t_l = tf.constant( np.linspace(0,4 / gam_q,1000,dtype = np.complex128) )
dt = t_l[1] - t_l[0]

H_t = tf.tensordot(- 1j * t_l,H,0)
H_t = tfla.expm(H_t)

psi0 = tf.constant( ((qtp.fock(2,0)).unit()).full() )

psi_t = tf.tensordot(H_t,psi0,[[2],[0]])

其中 H 是哈密顿量（在本例中为 sigma_z）。但是，我需要知道运算符 S_op 的期望值的时间依赖性。我试过了

pre = tf.tensordot( tf.math.conj(psi_t),S_op,[[1],[0]]) #psi_t was not transposed,so I put [[1],[0]]
expect = tf.tensordot(pre,psi_t,[1]])

它返回一个形状为 (1000,1,1) 的张量，而我需要一个形状为 (1000) 的一维数组。

编辑

我通过引入 einsum 解决了

pre = tf.tensordot(tfmt.conj(psi_t),[0]])
expect = tfmt.real( tf.tensordot(pre,[1]]) )
expect = tf.einsum("ijij->i",expect)

解决方法

为了社区的利益，在答案部分提供解决方案

我通过引入 einsum

解决了

pre = tf.tensordot(tfmt.conj(psi_t),S_op,[[1],[0]])
expect = tfmt.real( tf.tensordot(pre,psi_t,[[2],[1]]) )
expect = tf.einsum("ijij->i",expect)

（转述自 Alberto Mercurio）