SlideShare a Scribd company logo
Week1
トフォリゲート
静岡県立磐田南高校2年 Nakamura Fuki
問題
CCXゲートを基本ゲート(CX,X,RZ,SX)のみを使用して置き換える
CCXゲート
Xゲート Rzゲート CXゲート SXゲート
Φ=π/2
今回は3つの方法で答えを求める
|000> |010> |100> |110>
|001> |011> |101> |111>
|000>
|001>
|010>
|011>
|100>
|101>
|110>
|111>
このように行列からも
CCXゲートは|111>と|110>のみに
作用することがわかる
方法:1
QiskitのTextbookを参照してCCXを置き換える
Textbookより
ここで基本ゲートでないHゲート,Tゲート,T⁺ゲートを基本ゲートに置き換える
https://qiskit.org/textbook/ja/ch-gates/more-circuit-identities.html
方法:1
TゲートとT⁺ゲートを行列表示すると以下の通りである
基本ゲートであるRZゲートの行列は右の通りなのでRZのΦが
π
4
の時、
TはRZに置き換えることができる。同様にRZのΦが−
π
4
の時、T⁺はRZに置き換えられる
方法:1
方法:1
次にHゲートの置き換えを考える。
右図のようにHゲートはZ軸とX軸にそって回転させるゲートである。
基本ゲートには同様の回転をさせるゲートはないため、Hゲートの回転を下記の
ように分解して考える。
⓪|0>の状態でははじめのRzは作用しない
①のようなX軸周りの
π
2
回転はSXゲートに置き換えられる
➁のようなZ軸周りの
π
2
回転はRZゲートに置き換えられる
よってHゲートは上記の置き換えができる
この時、先頭のRzゲートがあることで
① ➁
方法:1
方法:1
これより、HとT,T⁺を基本ゲートに
置き換えるとこのようになる。
行列で表すと下記になり、2のスラ
イドのCCXの行列と一致し、CCX
の置き換えに成功した!!
左の命令を用いて、回路を行列で表示すると
下記になる
一見CCXの行列とは異なるが
CCXゲートのこの行列では数字は左詰めで
入るため下の様になり、|110>と|111>のみ
に作用する
|000>|100>|010>|110>|001>|101>|011>|111>
|000>
|100>
|010>
|110>
|001>
|101>
|011>
|111>
方法:1
方法:2
次はU3ゲートという普遍的なを用いて
CCXを置き換える。
CCXをU3に置き換えると、右図になる。
右図のU3に当てはまる基本ゲートを探す
方法:1
方法:2 CX以外の基本ゲートとHゲートもU3ゲートを用いて
表す。
そしてこの置き換えを元に先ほどのU3にHと基本ゲートを
あてはめる。
方法:1
方法:2
よってCCXのU3に各種ゲートを当てはめると
以下になる。またHは前述したとおり、
RZとSXに置き換える。
これは方法1で置き換えたものと一致した!!
方法:1
方法:3
ここで制御制御回転の前後にHゲートを配置することで
CCXゲートと同様の働きをすることを発見した。
そこでこの回路のCPゲートとHゲートを置き換えることで正解を得られると考えられる
q0q1が11の時
HZH = X
よってq2=1
Q0,q1がそれ以外の時
HH = I
よってq2=0
方法:1
方法:3
CPゲートを基本ゲートに分解すると上記のとおりである
またスライド5よりHゲートは下記に分解できる
方法:1
方法:3
これより先ほどの回路は以下の置き換えができる
行列で表すと右になりCCXと一致する!
実部
虚部

More Related Content

What's hot

整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
Tasuku Soma
 
Permutation
PermutationPermutation
Permutation
oupc
 
Real timeimageprocessing
Real timeimageprocessingReal timeimageprocessing
Real timeimageprocessing
ushiostarfish _
 

What's hot (20)

積分要素の応答性(MATLAB)
積分要素の応答性(MATLAB)積分要素の応答性(MATLAB)
積分要素の応答性(MATLAB)
 
Graph LSTM解説
Graph LSTM解説Graph LSTM解説
Graph LSTM解説
 
【Unity道場スペシャル 2017大阪】クォータニオン完全マスター
【Unity道場スペシャル 2017大阪】クォータニオン完全マスター【Unity道場スペシャル 2017大阪】クォータニオン完全マスター
【Unity道場スペシャル 2017大阪】クォータニオン完全マスター
 
スペクトラル・クラスタリング
スペクトラル・クラスタリングスペクトラル・クラスタリング
スペクトラル・クラスタリング
 
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
 
クラシックな機械学習の入門  5. サポートベクターマシン
クラシックな機械学習の入門  5. サポートベクターマシンクラシックな機械学習の入門  5. サポートベクターマシン
クラシックな機械学習の入門  5. サポートベクターマシン
 
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
 
【Unity道場スペシャル 2017博多】クォータニオン完全マスター
【Unity道場スペシャル 2017博多】クォータニオン完全マスター【Unity道場スペシャル 2017博多】クォータニオン完全マスター
【Unity道場スペシャル 2017博多】クォータニオン完全マスター
 
FeaStNet: Feature-Steered Graph Convolutions for 3D Shape Analysis
FeaStNet: Feature-Steered Graph Convolutions for 3D Shape AnalysisFeaStNet: Feature-Steered Graph Convolutions for 3D Shape Analysis
FeaStNet: Feature-Steered Graph Convolutions for 3D Shape Analysis
 
Learning Depthwise Separable Graph Convolution from Data Manifold
Learning Depthwise Separable Graph Convolution from Data ManifoldLearning Depthwise Separable Graph Convolution from Data Manifold
Learning Depthwise Separable Graph Convolution from Data Manifold
 
Permutation
PermutationPermutation
Permutation
 
20140306 ibisml
20140306 ibisml20140306 ibisml
20140306 ibisml
 
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
 
Study session#3
Study session#3Study session#3
Study session#3
 
Study session#3
Study session#3Study session#3
Study session#3
 
Real timeimageprocessing
Real timeimageprocessingReal timeimageprocessing
Real timeimageprocessing
 
Variational autoencoder
Variational autoencoderVariational autoencoder
Variational autoencoder
 
線形カルマンフィルタの導出
線形カルマンフィルタの導出線形カルマンフィルタの導出
線形カルマンフィルタの導出
 
Kim120 lt 12_6
Kim120 lt 12_6Kim120 lt 12_6
Kim120 lt 12_6
 
明日使えないすごいビット演算
明日使えないすごいビット演算明日使えないすごいビット演算
明日使えないすごいビット演算
 

Recently uploaded

2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
ssuserbefd24
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance
 

Recently uploaded (14)

FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
 
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
 
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
 
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
 
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
 
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
 
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
 
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
 
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
 
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
 

Qiskit Challenge 2021 Exercise1