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
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)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。