<aside> 🧲
SPIN LAB 07 · 예측 → 조작 → 계산 → 설명 · 25분 · 선수: 물리 허브 01·03
처음 z+로 준비한 스핀을 순서가 다른 세 필터에 통과시키며, 살아남는 비율과 측정 뒤 상태를 알아봅니다.
</aside>
양자이론·스핀 실험실 | 상태·측정·얽힘 · IBM Stern–Gerlach 교육 모듈
초기 입자 1,000개의 상태는 모두 ∣z+⟩입니다. 각 필터에서 + 또는 − 빔 하나만 계속 따라갑니다. 아래 숫자를 먼저 적으세요.
| 연속 필터 경로 | 첫 예상: 남을 개수 | 확인 뒤: 남을 개수 |
|---|---|---|
| z+ → x+ → z+ | ||
| z+ → z+ → z+ | ||
| z+ → x− → x+ |
Stern–Gerlach: 필터 3개의 축과 결과를 바꾸는 실험
Stern–Gerlach: 필터 3개의 축과 결과를 바꾸는 실험
인터랙티브 뷰어가 열리지 않아도 다음 계산으로 똑같이 실험할 수 있습니다. 진행 순서: (①) z+→x+→z+ (②) z+→z+→z+ (③) z+→x−→x+. 첫 번째는 z+ 필터 1, x+ 필터 1/2, z+ 필터 1/2로 전체 1/4, 1,000개 중 평균 250개입니다. 두 번째는 1×1×1로 1,000개, 세 번째는 1×1/2×0으로 0개입니다. 필터 다음에 살아남은 입자는 그 필터에서 선택한 축의 고유상태로 준비됩니다.
입력 상태의 Bloch 벡터 r, 측정축 단위벡터 n, 선택 결과 s=+1/−1이면 P(s∣r,n)=(1+s n·r)/2입니다. 통과가 가능하면 출력 Bloch 벡터는 r′=s n입니다. 전체 생존율은 앞선 단계를 통과했다는 조건 아래 단계별 확률을 곱합니다. 통과율이 0인 단계 이후의 조건부 상태는 정의되지 않습니다.
<aside> ⚠️
실험 해석 · 250개는 무한 반복 평균에 가까운 예측이며 개별 시행마다 정확히 250개가 된다는 뜻은 아닙니다. x와 z 관측값을 같은 단일 입자에서 한꺼번에 얻는 것도 아닙니다.
</aside>
Google Colab 새 노트 열기 → 아래 셀을 복사하여 실행합니다. NumPy 외 설치가 필요 없습니다.
import numpy as np
axes = {"x": np.array([1.,0.,0.]), "y": np.array([0.,1.,0.]), "z": np.array([0.,0.,1.])}
def survive(filters):
r = axes["z"].copy() # 처음 ∣z+⟩
fraction = 1.0
for axis, sign in filters:
n = axes[axis]
p = (1 + sign * np.dot(n, r)) / 2
fraction *= p
if p == 0:
return 0.0 # 이후의 조건부 상태는 없음
r = sign * n
return fraction
paths = [
[("z",+1),("x",+1),("z",+1)],
[("z",+1),("z",+1),("z",+1)],
[("z",+1),("x",-1),("z",+1)],
[("z",+1),("x",-1),("x",+1)]
]
for path in paths:
print(path, survive(path))
예상 출력 · 네 경로의 생존 비율: 0.25 / 1.0 / 0.25 / 0.0. 둘째 필터를 y+로, 셋째 필터를 x+로 바꾸고 네 번째 경로를 추가하여 예측과 비교하세요.