¿De qué manera el concepto de información cuántica es diferente de la información clásica?

Qubits de información cuántica que representan posibles bits de información clásica que aún no se han determinado y que nunca se podrán determinar.

Un bit es consistente en una dimensión lógica y su unidad es el número natural 1. Un qubit es una lógica paraconsistente bidimensional de valores exclusivos complementarios convenientemente representados como enteros complejos siendo su unidad (1, i).

Los qubits de un sistema de qubits solo pueden predeterminarse si se proporciona información completa de un sistema aislado que rara vez ocurre en la naturaleza pero se evidencia en cosas tales como la óptica simple y la computación cuántica.

Los qubits indeterminados pueden reducirse a números naturales por eventos que obligan al qubit a tomar un valor u otro en lo que se llama “medición”, pero más generalmente es cualquier efecto.

Ha habido buenas explicaciones de las ideas detrás de la computación cuántica, por lo que me centraré más en los fundamentos (para comenzar, la relación entre la entropía de Shannon y la entropía de Von Neumann).

En la teoría de la información “clásica”, la cantidad fundamental es la entropía de Shannon asociada con una fuente de información (es decir, una variable aleatoria). En la teoría de la información cuántica, esa cantidad se reemplaza por la entropía de Von Neumann, que está asociada con una fuente de información cuántica (es decir, una matriz de densidad).
Una matriz de densidad tiene más estructura que una distribución de probabilidad ‘clásica’, porque los elementos de la matriz dependen de su base de medición (las cantidades físicas que mide para caracterizar el estado del sistema, por ejemplo, posición y giro o momento y giro para un electrón libre )
La distribución de probabilidad efectiva asociada con la fuente de información cuántica que obtiene a través de mediciones repetidas depende de su base de medición. Por ejemplo, si prepara un conjunto de electrones en un estado propio de momento y con un giro alineado a lo largo del eje y, entonces su distribución de probabilidad tendrá un pico máximo (y tendrá una entropía mínima de Shannon) si mide el momento y gira a lo largo del eje y. Por el contrario, la distribución de probabilidad será más amplia si mide la posición o gira a lo largo del eje z (la entropía de Shannon correspondiente será mayor). Una forma de pensar en la entropía de Von Neumann es como la entropía mínima de Shannon sobre todos los esquemas de medición posibles.

Mientras que la entropía de Shannon es relevante para la compresión de datos ‘clásica’, la entropía de Von Neumann es la cantidad relevante para la compresión de datos ‘cuántica’. En el nivel más básico, esto nos dice que podemos mejorar la compresión de datos de una fuente de información cuántica seleccionando un conjunto óptimo de mediciones.

Me gusta la explicación de Barak, y agregaré un poco más. (busque Bloch Sphere) Cada vez que agrega un qubit a una computadora cuántica, la capacidad computacional se duplica y una computadora cuántica de 30 qubit equivaldría a la potencia de procesamiento de una computadora convencional que podría funcionar a 10 teraflops. Sin embargo, no verá el procesamiento de texto implementado como una computadora cuántica. No tiene sentido. El tipo de problemas para los que una computadora cuántica es buena requiere la necesidad de un paralelismo masivo. Afortunadamente, estos son solo el tipo de problemas que tenemos problemas para resolver con las computadoras normales. Cosas como factorizar números se volverían mucho más fáciles y eso tiene una gran implicación para los cifrados y el descifrado.

Los desafíos actuales son mantener la coherencia el tiempo suficiente para hacer cálculos útiles. Estas cosas deben funcionar muy cerca del cero absoluto (temperatura) para ser viables, lo que hace que el equipo de soporte sea voluminoso, costoso y complejo. Tampoco se aprecia generalmente que una implementación práctica requiere muchos experimentos repetidos para que un problema determinado se asiente en una probabilidad asintótica a una mínima posibilidad de error deseada.

Ambas son definiciones matemáticas exactas y al usar la palabra Información no es válida en todas las ciencias.

Especial Information Sciences intenta encontrar nuevas definiciones científicamente unificadoras. Ver http://www.plbg.at