Kuantum Hesaplama için Python Temelleri

Kuantum hesaplamada ilk gerçek engel genelde teori değil, alışkanlıktır: kübiti, kapıyı ve ölçümü bir bilgisayar üzerinde ifade etmeyi öğrenmek gerekir. Bu derste Python'un kuantum dünyasındaki yerini ve kübit durumunu, kapıyı ve ölçüm olasılıklarını sıradan Python araçlarıyla nasıl modelleyeceğini göreceksin. Serinin tamamı için Kuantum Hesaplama dersleri sayfasına bakabilir; temel kavramları henüz görmediysen Kuantum Hesaplama 101 dersiyle başlamanı öneririm.

Neden Python? Kuantum Hesaplamada Python'ın Yeri

IBM'in Qiskit'i, Google'ın Cirq'ı ve araştırmacıların yoğun biçimde kullandığı PennyLane dâhil, bugünün önde gelen kuantum yazılım çerçevelerinin hepsi Python ile çalışır. Nedeni basit: kuantum programcılığı büyük ölçüde "durumu tanımla, kapıları uygula, ölçüm sonuçlarını istatistiksel olarak oku" döngüsüdür ve Python bu döngüyü en az sürtünmeyle kurup denemeni sağlar. Ayrıca bilimsel hesaplama ekosistemi hazır biçimde elinin altındadır: çalışma ortamını kurmak için Jupyter ile Çalışma Ortamı, dizileri hızlı işlemek için NumPy ile Bilimsel Hesaplama derslerine bakabilirsin.

Bu derste ise bilerek hiçbir kütüphane kullanmayacağız: kübit durumunu düz Python listeleriyle, kapıları küçük fonksiyonlarla modelleyeceğiz. Amaç kütüphaneleri kullanmak değil, kütüphanelerin perde arkasında ne yaptığını görmek. Fonksiyon tanımlamanın ve temel matematiksel düşüncenin ayrıntılarına Fonksiyonlar ve Temel Matematik dersinden ulaşabilirsin.

Kübit Durumunu Python'da Yazmak: Genlikler ve Olasılıklar

Tek bir kübitin durumunu ψ = c₀|0⟩ + c₁|1⟩ diye yazarız; c₀ ve c₁ genellikle karmaşık olan genliklerdir ve normalizasyon koşulu |c₀|² + |c₁|² = 1'i sağlamak zorundadır. Python tarafında bu durum iki elemanlı bir listedir: psi = [c0, c1]. Kübiti ölçtüğünde |c₀|² olasılıkla 0, |c₁|² olasılıkla 1 görürsün; yani olasılıklar genliklerin mutlak değerlerinin karesidir. Genlik–olasılık ilişkisinin matematiğini Karmaşık Sayılar dersinde, durumun vektör doğasını ise sonraki ünitedeki Vektörler dersinde bulursun; burada işi Python'a indirgeyelim.

Adım adım küçük bir hesap akışı: elimizde ölçeklenmemiş genlikler c = [1, 3] olsun ve bu durumu ölçülebilir hâle getirelim.

1. Norm karesini topla: 1² + 3² = 10. Bu sayı, olasılık toplamının kaç kat sapmış olduğunu gösterir.
2. Normu bul: √10 ≈ 3,162.
3. Her genliği norma böl: psi = [1/√10, 3/√10] ≈ [0.316, 0.949]. Python'da norm = (c[0]**2 + c[1]**2) ** 0.5, ardından psi = [x / norm for x in c].
4. Kontrol et: 0,1 + 0,9 = 1 ✓. Ölçümde 0'ı %10, 1'i %90 olasılıkla görürsün.

Genlikler karmaşık olursa dikkat değişir: Python'da z = 1 + 2j yazabilirsin; z.real sana 1.0'ı, z.imag 2.0'ı, abs(z) ise √5 ≈ 2,236'yı verir. Ölçüm olasılığı için mutlaka abs(z)**2 kullan, z**2 değil: (1 + 2j)**2 = −3 + 4j gibi karmaşık bir sonuç verir; olasılık katkısı ise abs(z)**2 = 5'tir.

Kapıları Fonksiyonlarla Modellemek: X ve Hadamard

Kuantum kapısı, bir durumu yeni bir duruma eşleyen kuraldır; Python'da en doğal karşılığı küçük bir fonksiyondur. X kapısı (kuantum NOT kapısı) iki genliğin yerini değiştirir: def x_kapisi(psi): return [psi[1], psi[0]]. Böylece x_kapisi([1, 0]) çağrısı [0, 1] döndürür; yani X|0⟩ = |1⟩.

Hadamard kapısı H, bir taban durumunu iki durumun eşit süperpozisyonuna götürür: H|0⟩ = (|0⟩ + |1⟩)/√2. Kod karşılığı psi → [(psi[0] + psi[1]) / √2, (psi[0] − psi[1]) / √2] biçimindedir; [1, 0] verirsen [0.707, 0.707] alırsın — ölçümde yarı yarıya 0 ve 1. Şimdi matematiksel dürüstlük kontrolü yapalım: H'yi aynı duruma iki kez uygularsan [(1/√2 + 1/√2)/√2, (1/√2 − 1/√2)/√2] = [1, 0] geri gelir. Yani H kendi tersidir (H·H = I); bu, kapıların üniteryenlik özelliğinin küçük bir örneğidir: kapılar normu asla bozmaz, aksi hâlde olasılık toplamı 1'den kayardı. Bu eşlemenin matris karşılığı sonraki ünitedeki Matrisler ve Matris Çarpımı derslerinde tam olarak kurulacak.

Sık Yapılan Hatalar ve Yanılgılar

Yeni başlayanların büyük kısmı teori hatası değil, Python alışkanlığı hatası yaşar. En sık görülenler şunlardır:

• Kayan nokta eşitliği tuzağı: 0.1 + 0.2 Python'da tam 0.3 değildir; 0.30000000000000004 eder. Normu == 1 ile sınama; abs(sum(...) - 1) < 1e-9 gibi bir toleransla karşılaştır.
• abs() atlamak: Karmaşık genlikte z**2 karmaşık bir sayıdır; olasılık için abs(z)**2 şarttır.
• Kübit sırası karışıklığı: Python listeleri 0'dan saymaya başlar; iki kübitli sistem 4 genlik taşır (|00⟩ = |0⟩ ⊗ |0⟩) ve [c₀₀, c₀₁, c₁₀, c₁₁] diziliminde hangi kübitin solda yazıldığı kütüphaneden kütüphaneye değişir. Qiskit gibi araçlardaki little-endian düzen, klasik yazma alışkanlığıyla ters düşebilir; daima kullandığın aracın dokümanını kontrol et.
• Bellek yanılgısı: n kübitlik bir simülasyon 2ⁿ kompleks sayı tutar; her biri iki float64'ten 16 bayttır. 30 kübit ≈ 2³⁰ × 16 bayt ≈ 16 GB — sıradan bir dizüstü bilgisayarın hemen sınırında.
• Simülatörü gerçek işlemci sanmak: Simülatör gürültüsüzdür; gerçek cihazda gürültü ve kapı hataları dağılımı kaydırır, %50–%50 beklediğin deney %48–%52 çıkabilir. Tek koşudan anlam çıkarma: yüzlerce atış (shot) al, olasılıkları histogramla incele; çizim için Matplotlib ile Grafik Çizimi dersine bak.

Bu iskelet üç satırlık fonksiyonlarla başlar; iş büyüdüğünde NumPy'ın vektörleştirilmiş işlemleri, Jupyter'daki hızlı deneme döngüsü ve Git ve GitHub ile sürüm takibi devreye girer. Tüm derslerin içindekiler için konu anlatımı sayfasına göz atabilirsin.

Kaynaklar ve İleri Okuma

The Python Tutorial — resmi Python öğreticisi; liste, fonksiyon ve karmaşık sayı desteğinin birinci elden kaynağı.

IBM Quantum Learning — kübit, kapı ve Qiskit kavramlarını sıfırdan anlatan ücretsiz resmi ders serisi.

Qiskit Dokümantasyonu — Python ile kuantum devreleri kurmak için resmi referans ve kılavuzlar.

Kuantum hesaplama — Vikipedi — kübit ve kuantum kapılarına Türkçe genel bakış.