<aside> 🔗

SPIN LAB 09 · 얽힘의 여러 축 상관 · 35분 · 선수: 물리 허브 05 및 08

Z 기준에서 똑같이 보이는 얽힌 상태와 고전 혼합을 구별합니다. 먼저 네 상관을 예상한 뒤 축과 가시도를 직접 움직이세요.

</aside>

08 · 스핀 세차와 Bloch 구의 시간 변화 · 양자이론·스핀 실험실 | 상태·측정·얽힘

목표와 실험 정의

Bell 상태는 ∣Φ+⟩=(∣00⟩+∣11⟩)/√2, 비교할 고전 혼합은 ρc=(∣00⟩⟨00∣+∣11⟩⟨11∣)/2입니다. Alice와 Bob의 측정 결과를 +1, −1로 코딩하여 곱의 평균을 **E(A,B)**라고 합니다. xz 평면에서 각도 α의 측정축은 A(α)=cosα Z+sinα X로 정의합니다. 실험을 마치면 CHSH 수 S=E₀₀+E₀₁+E₁₀−E₁₁을 직접 계산할 수 있어야 합니다.

1. 예상 표 작성

기본 각도는 Alice A₀=0°, A₁=90°; Bob B₀=45°, B₁=−45°입니다. 네 상관값은 서로 다른 설정에서 새 Bell 쌍을 여러 번 준비해 추정합니다. 같은 쌍을 연속 네 번 측정하는 절차가 아닙니다.

상태 E₀₀ E₀₁ E₁₀ E₁₁ S
이상적 Bell
고전 혼합 ρc

2. 계측기 조작

두 측정자의 축·Bell 가시도·고전 혼합을 바꾸는 CHSH 계측기

두 측정자의 축·Bell 가시도·고전 혼합을 바꾸는 CHSH 계측기

  1. 기본 네 각도로 두 모형의 S를 비교합니다. 인터랙티브 뷰어가 보이지 않더라도 아래 Colab에서 네 각도와 상태를 바꿀 수 있습니다.
  2. Bell 모형의 가시도 v를 1 → 0.8 → 0.7로 바꿉니다. S가 2 아래로 내려가는 때를 찾습니다.
  3. A₁=B₀=90°로 바꿔 x–x 기대값 E₁₀만 비교합니다. Bell은 1, 혼합은 0입니다. 이때 CHSH 전체 값은 처음의 최적 각도 설정과 다릅니다.

3. 무슨 값이 나와야 하나요?

이 xz 평면의 이상적 Bell에는 E(α,β)=cos(α−β), 혼합 ρc에는 E(α,β)=cosα cosβ가 성립합니다. 기본 각도에서 Bell의 네 값은 **(1/√2,1/√2,1/√2,−1/√2)**로 S=2√2≈2.828입니다. 혼합의 네 값은 **(1/√2,1/√2,0,0)**로 S=√2≈1.414입니다. z–z 방향의 완전 상관 하나만으로 두 상태를 구별할 수 없습니다.

백색잡음을 넣은 Bell 모형 ρ(v)=v∣Φ+⟩⟨Φ+∣+(1−v)I/4에서는 모든 E가 v배가 되고, 기본 설정 S=2√2 v입니다. 따라서 v>1/√2≈0.7071에서 이 설정의 이상적 CHSH 위반 |S|>2가 나타납니다.

<aside> ⚠️

주의 · 국소 숨은변수 모형에서 CHSH 경계는 |S|≤2입니다. 실험 설정에서 위반이 없다고 곧바로 얽힘이 없다고 결론 내릴 수는 없습니다. 실제 유한 데이터에는 통계 오차와 장치의 제약이 있으며, 이 계측기는 이상적인 기대값을 보여줍니다.

</aside>

4. Colab으로 밀도행렬 계산

Google Colab 새 노트 열기 → 이 셀에서 설정값과 가시도를 직접 바꾸어 네 상관값을 확인하세요. NumPy만 사용합니다.

import numpy as np
X = np.array([[0,1],[1,0]], dtype=complex)
Z = np.diag([1,-1]).astype(complex)
I4 = np.eye(4, dtype=complex)
phi = np.array([1,0,0,1], dtype=complex) / np.sqrt(2)
bell = np.outer(phi, phi.conj())
classical = np.diag([0.5,0,0,0.5]).astype(complex)

def axis(deg):
    angle = np.deg2rad(deg)
    return np.cos(angle)*Z + np.sin(angle)*X

def correlation(rho, a, b):
    return np.trace(rho @ np.kron(axis(a), axis(b))).real

settings = [(0,45),(0,-45),(90,45),(90,-45)]
def chsh(rho):
    es = [correlation(rho,a,b) for a,b in settings]
    return np.round(es,3), round(es[0]+es[1]+es[2]-es[3],3)

for name,rho in [("Bell",bell),("Classical",classical),
                 ("Noisy v=0.8",0.8*bell+0.2*I4/4),
                 ("Noisy v=0.7",0.7*bell+0.3*I4/4)]:
    print(name, chsh(rho))