Von Neumann Entropisi

Von Neumann entropisi, bir kuantum durumunun ne kadar karışık olduğunu tek bir sayıyla söyleyen ölçüdür: saf durumlar için sıfır, tamamen karışık durumlar için o sistemde mümkün olan en büyük değer. Bu derste tanımı bir yoğunluk matrisinin özdeğerleri üzerinden adım adım kuracak, küçük bir durumu elle hesaplayacak ve entropinin dolanıklığın ölçüsü olarak nasıl kullanıldığını göreceğiz. Serinin tamamı için Kuantum Hesaplama dersleri sayfasına bakabilirsin; Yoğunluk Matrisi ile Saf ve Karışık Durumlar derslerini henüz görmediysen önce onlara göz atman iyi olur, çünkü bu ders doğrudan onların üstüne kurulur.

Shannon Entropisinden Von Neumann Entropisine

Klasik dünyada, olasılıkları p₁, p₂, …, pₙ olan bir dağılımın belirsizliği Shannon Entropisi ile ölçülür: H(p) = −Σᵢ pᵢ log₂ pᵢ. Kuantumda ise durum bir olasılık listesi değil, bir yoğunluk matrisi ρ’dır. John von Neumann’ın fikri çok doğaldı: olasılıkları at, ρ’nin özdeğerlerini koy. ρ’nin özdeğerleri λ₁, λ₂, …, λₙ ise

S(ρ) = −Tr(ρ log₂ ρ) = −Σᵢ λᵢ log₂ λᵢ

Neden böyle? Her yoğunluk matrisi ρ = Σᵢ λᵢ|eᵢ⟩⟨eᵢ| biçiminde özdeğer-özvektör toplamı olarak yazılabilir; entropi özvektörlerin hangi bazda olduğuna bakmaz, yalnızca özdeğerlere bakar. Kural gereği λᵢ ≥ 0 ve Σᵢ λᵢ = 1 olduğu için özdeğerler gerçekten bir olasılık dağılımı gibi davranır. Logaritma tabanı 2 seçilirse birim bit, doğal logaritma (ln) seçilirse nat olur; bu derste bit kullanacağız. 0 · log 0 = 0 kabulü, sıfır özdeğerlerin toplama katkı vermemesini sağlar.

Küçük Bir Hesap: Karışım Durumun Entropisi

Örnek durumumuz şöyle olsun: %75 ihtimalle |0⟩, %25 ihtimalle |1⟩ hazırlanan bir kübit — yani ρ = 0.75|0⟩⟨0| + 0.25|1⟩⟨1|. Adım adım gidelim:

1. Matrisi yaz: hesaplama bazında ρ = [[0.75, 0], [0, 0.25]] — köşegen bir matris.
2. Özdeğerleri bul: köşegen matrisin özdeğerleri köşegen girişleridir: λ₁ = 0.75, λ₂ = 0.25. Toplamları 1 ✓.
3. Formüle koy: S = −(0.75 · log₂ 0.75 + 0.25 · log₂ 0.25).
4. Hesapla: log₂ 0.75 ≈ −0.415 ve log₂ 0.25 = −2 → S ≈ 0.75 × 0.415 + 0.25 × 2 ≈ 0.811 bit.

Şimdi aynı ölçüm olasılıklarını veren iki durumla karşılaştıralım:

• Tamamen karışık: ρ = I/2 = 0.5|0⟩⟨0| + 0.5|1⟩⟨1| → özdeğerler 0.5, 0.5 → S = 1 bit. Tek kübit için üst sınır budur (log₂ 2 = 1).
• Saf süperpozisyon: |ψ⟩ = √0.75|0⟩ + √0.25|1⟩. Burada ρ = |ψ⟩⟨ψ| köşegen değildir: matris [[0.75, 0.433], [0.433, 0.25]] biçimindedir (0.433 = √0.75 × √0.25). Belirleyicisi 0.75 × 0.25 − 0.433² = 0 olduğundan özdeğerler 1 ve 0 çıkar → S = 0.

Üç durum da hesaplama bazında aynı ölçüm olasılıklarını (0.75, 0.25) veriyor, ama entropileri 0.811, 1 ve 0 bit. Aradaki fark, köşegen dışı tutarlılık terimlerinden gelir: ölçüm istatistiği entropiyi belirlemez; belirleyici olan, durumun özdeğerleridir.

Entropinin Temel Özellikleri

Aşağıdaki özellikler, formülün neden “doğru” ölçü sayıldığının kısa özetidir:

• Aralık: d boyutlu bir sistemde 0 ≤ S(ρ) ≤ log₂ d. Entropi hiçbir zaman negatif olmaz.
• Saf ise sıfır: S(ρ) = 0 ancak ve ancak ρ saftır (bir özdeğer 1, geri kalanlar 0).
• Birimsel değişmezlik: S(UρU†) = S(ρ), çünkü üniteryen kapılar özdeğerleri değiştirmez. Kapı uyguladıkça entropi artmaz; artış her zaman dış dünyayla etkileşimden (gürültü, ölçüm, dolanıklık) gelir.
• İçbükeylik (concavity): S(Σᵢ pᵢρᵢ) ≥ Σᵢ pᵢ S(ρᵢ). İki durumu karıştırmak belirsizliği azaltmaz, artırır.
• Alt toplamsallık: S(ρ_AB) ≤ S(ρ_A) + S(ρ_B). Birleşik sistemin entropisi, parçaların entropilerinin toplamını aşamaz.

Dolanıklığın Ölçüsü: İndirgenmiş Durumun Entropisi

Entropinin kuantum bilgi teorisindeki en çarpıcı kullanımı, dolanıklığı sayıya çevirmektir. Bell Durumları dersinden tanıdığımız |Φ⁺⟩ = (|00⟩ + |11⟩)/√2 durumunu alalım. B kübitine Kısmi İz uygulayıp A’nın durumunu çıkarırız: ρ_A = Tr_B(|Φ⁺⟩⟨Φ⁺|) = 0.5|0⟩⟨0| + 0.5|1⟩⟨1| = I/2. Özdeğerler 0.5 ve 0.5 → S(ρ_A) = 1 bit.

Dikkat et: bütün durum |Φ⁺⟩ saftır ve S = 0; ama parçası olan A karışıktır ve entropisi 1 bittir. Saf iki parçalı durumlarda S(ρ_A) = S(ρ_B) her zaman sağlanır ve bu ortak değere dolanıklık entropisi denir: 1 bitlik sonuç, iki kübitin tam 1 “ebit” dolanıklık taşıdığını söyler. Bütün safken parçaların karışık olması, dolanıklığın entropi dilindeki imzasıdır.

Sık Yapılan Hatalar ve Yanılgılar

• “Süperpozisyon karışıktır” yanılgısı: |+⟩ = (|0⟩ + |1⟩)/√2 durumunun ρ = |+⟩⟨+| matrisinin özdeğerleri 1 ve 0’dır; S = 0. Hesaplama bazında ölçüm sonuçları 50-50 rastgele dağılsa bile (bu ölçümün Shannon entropisi 1 bittir) durum karışık değildir. Von Neumann entropisi ölçüm rastgeleliğini değil, karışımı ölçer.
• Taban karışıklığı: log₂ ile doğal logaritmayı (nat) karıştırma: 1 nat ≈ 1.443 bit. Farklı kaynakları karşılaştırırken birim tutarlılığını kontrol et.
• “Bütünün entropisi parçaların toplamıdır” sanmak: dolanıklı sistemlerde bütün saf (S = 0) olabilirken parçalar karışıktır; alt toplamsallık bir eşitlik değil, üst sınırdır.
• Dolanıklık entropisini karışık durumlara doğrudan uygulamak: S(ρ_A) = S(ρ_B) eşitliği ve “ebit” yorumu yalnızca saf iki parçalı durumlar için nettir; karışık durumlar için başka ölçüler gerekir.

Bu ders, Kuantum Bilgisi ünitesinin kapanış taşlarından biri: artık bir durumun “ne kadar karışık olduğunu” ve bir dolanıklığın “kaç bit taşıdığını” sayısal olarak söyleyebiliyorsun. Kuantum Kanalları dersinde gürültünün entropiyi nasıl artırdığını, bir sonraki ünitede ise Pauli Kapıları X Y Z dersiyle kapı setinin temel yapı taşlarını işleyeceğiz.

Kaynaklar ve İleri Okuma

Von Neumann entropy — Wikipedia — tanım, özdeğerler üzerinden Shannon bağıntısı ve temel özellikler için özlü madde.

Entanglement entropy — Wikipedia — indirgenmiş durumun entropisinin dolanıklık ölçüsü olarak nasıl kullanıldığını anlatır.

John Preskill — Ph219/CS219 Quantum Computation ders notları (Caltech) — entropinin ve kuantum bilgi teorisinin sistematik işlendiği saygın üniversite ders notları.

IBM Quantum Learning — General Formulation of Quantum Information — yoğunluk matrisleri, indirgenmiş durumlar ve karışım durumları üzerine resmî IBM dersleri.