😂 🤷 🆖 डमी के लिए क्वांटम उलझाव 🏖️ 📖 👨🏽‍🎨

एक हालिया विषय की चर्चा में , मैंने उन लोगों के कई संदेशों को देखा जो सोचते हैं कि "भौतिकविदों ने सहमति दी है" एक सुपरपोज़िशन के अस्तित्व पर। यह केवल एक सुविधाजनक गणितीय / भौतिक मॉडल है जिसमें कोई वास्तविक प्रयोग नहीं है, जो सुपरपोज़िशन में क्वांटा की उपस्थिति को साबित करता है। क्वांटा के साथ, वास्तव में, वे हमेशा विशिष्ट पदों पर होते हैं, और एक प्रयोग केवल इन पदों का पता लगाता है। कुछ समय के लिए यह भौतिकविदों के बीच एक विवाद था, 1964 तक, जॉन स्टुअर्ट बेल ने अपनी प्रसिद्ध बेल प्रमेय (बेल असमानता) तैयार की, जिसे बाद में अन्य वैज्ञानिकों द्वारा सुधार किया गया और बार-बार प्रयोगात्मक रूप से परीक्षण किया गया। अपनी प्रमेय से सीधे परिचित होने की इच्छा रखने वालों के लिए, मैं आपको सलाह देता हूं कि आप इस लेख को छोड़ दें और सीधे किताबों को पढ़ने के लिए जाएं, जिनके लिंक नीचे दिए गए हैं, और टिप्पणियों में। इसकी मूल बातें समझने के लिए, भौतिकी और गणित के गहन ज्ञान की आवश्यकता नहीं है। जो लोग विकिपीडिया लेख को भी समझना मुश्किल समझते हैं, उनके लिए मैं एक सरल सादृश्य दे दूँगा।

सरलता के लिए, मान लें कि क्वांटम में कुछ 3 विशेषताएं हैं: A, B, और C, जो मान 1 या 0. ले सकते हैं, दो उलझे हुए क्वांटा लें, जैसे:
1) यदि, किसी एक विशेषता का पहला क्वांटम मापते समय, हमें 1 मिलता है, तो दूसरा क्वांटम, मापने के समय समान विशेषता 0 होगी।
2) यदि हम यादृच्छिक पर तुलना के लिए एक विशेषता चुनते हैं, तो आधे मामलों में हमें समान मूल्य मिलते हैं, और आधे में - अलग। (!)

सबसे पहले, ऐसा लगता है कि इन दो शर्तों को पूरा करना बहुत आसान है, एक साधारण कार्यक्रम लिखकर हम इस स्थिति का अनुकरण कर सकते हैं। लेकिन! आइए बस इसे सांख्यिकीय रूप से, प्रोग्रामेटिक रूप से जांचें, जो कोई भी चाहता है और कर सकता है, उसे अपना शोध करने दें: निम्नलिखित प्रयोग करें: मूल्यों के तीन जोड़े के पूर्वनिर्धारित जोड़े बनाएं: (1,0,1) - (0,1,0); (1,1,0) - (0,0,1) ... आदि, फिर एक मॉडल बनाएं जो उपरोक्त दोनों बिंदुओं को पूरा करेगा।

यह पता चला है कि यह न केवल करना मुश्किल है, बल्कि सिद्धांत रूप में असंभव है। यदि हम इस तरह के प्रारंभिक डेटा के साथ समान मापदंडों को मापते हैं, तो हम विपरीत मान प्राप्त करेंगे। पैराग्राफ 1 के साथ स्पष्ट और सुसंगत है। लेकिन अगर, हम यादृच्छिक मापदंडों को मापेंगे, तो 50% से अधिक मामलों में विपरीत मान दिखाई देंगे । जो अनुच्छेद 2 का खंडन करता है।

ऐसे मॉडल को लिखने की कोशिश में, C # कोड का एक छोटा सा टुकड़ा

using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; namespace ConsoleApplication14 { class Program { static void Main(string[] args) { int confirm = 0, notconfirm = 0; Random rnd = new Random(); List<Tuple<bool, bool, bool>> p = new List<Tuple<bool, bool, bool>>(); for (int i = 0; i < 500000; i++) { var t = new Tuple<bool, bool, bool>(rnd.Next(2) == 1 ? true : false, rnd.Next(2) == 1 ? true : false, rnd.Next(2)==1?true:false); p.Add(t); } for (int i = 0; i < 500000; i++) { var t = p[i]; bool first, second; switch (rnd.Next(3)) { case 0: first = t.Item1; break; case 1: first = t.Item2; break; case 2: first = t.Item3; break; default: first = false; throw new Exception("first error"); } switch (rnd.Next(3)) { case 0: second = !t.Item1; break; case 1: second = !t.Item2; break; case 2: second = !t.Item3; break; default: second = true; throw new Exception("second error"); } if (first != second) confirm++; else notconfirm++; } Console.WriteLine((double)confirm / (double)(confirm+notconfirm)); Console.ReadKey(); } } }

अर्थात्, हमारे प्रयोग में, विपरीत मूल्यों का पता लगाने की संभावना सीमा [5/9] में होगी; 2/3] (0.555; 0.667)। सबसे अच्छे मॉडल में, हम 55.5% से कम मामलों में विभिन्न परिणाम प्राप्त नहीं कर पाएंगे। जबकि वास्तव में आप क्वांटा के साथ एक समान प्रयोग कर सकते हैं जिसमें यह 1/2 के बराबर रहेगा।

स्पष्टीकरण बहुत सरल है: "पूर्वनिर्धारित क्वांटा" की उपस्थिति में हमारे पास हमेशा एक दिशा में इसके मूल्यों का "लाभ" होता है। या तो दो इकाइयाँ हैं, और एक शून्य, या दो शून्य और एक, या सामान्य तौर पर सभी 3 मान या तो एकता या शून्य के बराबर हैं।

यह इस विचार का प्रयोग था जिसने मुझे दिखाया कि क्वांटा की दुनिया में निर्धारक मापदंडों के लिए कोई जगह नहीं है। उन्होंने मुझे इस विषय पर अधिक विस्तार से अध्ययन करने और इसमें बहुत सारे दिलचस्प रोचक और रोमांचक बनाने के लिए बनाया।

PS बहुत अच्छी तरह से, इस प्रयोग को रिचर्ड फेनमैन की एक पुस्तक में वर्णित किया गया था (मुझे उम्मीद है कि समुदाय आपको बताएगा कि मैं कौन सा हूं, मैं थोड़ा सा हूं)
पीपीएस एन-नो, यह ब्रायन ग्रीन है "अंतरिक्ष के कपड़े। अंतरिक्ष, समय और वास्तविकता की बनावट। ” बस यही क्षण है । शायद इसलिए यह किसी के लिए स्पष्ट हो जाएगा।

Upd1
गणितीय व्याख्या:
उदाहरण के लिए, 1 क्वांटम में ऐसी विशेषताएं हैं (1,1,0), और इसके साथ भ्रमित (0,0,1)। हम पहले क्वांटम की विशेषता को यादृच्छिक रूप से चुनते हैं और मापते हैं और यादृच्छिक रूप से दूसरे क्वांटम की विशेषता का चयन करते हैं और मापते हैं। बड़ी संख्या में प्रयोगों के साथ, हमारे पास सभी संभावित संयोजनों के परिणाम होंगे: A1A2, A1B2, A1C2, B1A2, B1B2, B1C2, C1A2, C1B2, C1B2 (9 टुकड़े) जिनमें से प्रत्येक की घटना की समान संभावना है।
अब, अगर हम क्वांटा की हमारी जोड़ी से सभी संयोजनों को लिखते हैं, तो हमें यह मिलता है:
10,10,11,10,10,11,00,00,01। विभिन्न मूल्यों के 5 जोड़े। 4 जोड़े समान हैं। इस प्रकार, ऐसे क्वांटा के लिए हमारे पास अलग-अलग जोड़े के पक्ष में 5: 4 का लाभ होगा।
पेचीदा जोड़े (0,0,0) के लिए - (1,1,1) - हमें हमेशा अलग जोड़े मिलेंगे।
हमारे पास तीन बाइनरी मापदंडों के लिए 8 वितरण विकल्प हैं: 000,001,010,100,011,101,110,111।
तीन समान मूल्यों के साथ उनमें से 2/8, इसलिए एक उलझी हुई जोड़ी हमेशा विपरीत मूल्यों (पी = 1) के साथ होगी।
दो समान और एक विपरीत मूल्य के साथ उनमें से 6/8। ऐसे जटिल त्रिगुणों के साथ 9 अलग संयोजन। इनमें से, 5 अलग-अलग मूल्य हैं, 4 समान हैं। (पी = ५ / ९)
कुल, अलग-अलग मूल्यों वाले जोड़े की कुल संभावना: 5/9 * 6/8 + 1 * 2/8 = 2/3> 1/2

Upd2
मैं लेख के मूल संस्करण में त्रुटियों का संकेत देने के लिए, और उनकी टिप्पणी में उपयोगी लिंक के लिए उपयोगकर्ता शॅकफ को विशेष धन्यवाद व्यक्त करना चाहता हूं। लेख को थोड़ा बदलना पड़ा, लेकिन मैंने मूल विचार रखने की कोशिश की।

डमी के लिए क्वांटम उलझाव

More articles: