QuTiP：解决不一致的 Qobj 形状
QuTiP: Resolving inconsistent Qobj shapes
之前在 QuTiP TypeError: Incompatible Qobj shapes with tensor product 中对此进行了探讨，但我不确定那里的答案。
假设我定义了A = tensor(qeye(2), qeye(2))和B = qeye(4)，我无法将它们相乘，因为对象形状不一致。
但是，矩阵具有相同的维度，我想 "flatten" A 允许它乘以 B。如果我有可分离运算符和不可分离运算符的组合，我该如何将它们一起使用？换句话说，B 不能进一步简化，所以我应该对 A 做些什么才能使它们相乘？
编辑：看起来笨重的 Qobj(A.data.toarray()) 可以工作，但我会保持开放状态，以防有人有更好的想法或理解 QuTiP 为什么这样做。
是的，使用 Qobj.data 可以得到表示状态或运算符的矩阵。
因此 A.data * B.data 允许您将它们相乘。完成后，您可以将其封装在 Qobj(A.data * B.data) 中，使其成为一个量子对象。
之前在 QuTiP TypeError: Incompatible Qobj shapes with tensor product 中对此进行了探讨，但我不确定那里的答案。
假设我定义了A = tensor(qeye(2), qeye(2))和B = qeye(4)，我无法将它们相乘，因为对象形状不一致。
但是，矩阵具有相同的维度，我想 "flatten" A 允许它乘以 B。如果我有可分离运算符和不可分离运算符的组合，我该如何将它们一起使用？换句话说，B 不能进一步简化，所以我应该对 A 做些什么才能使它们相乘？
编辑：看起来笨重的 Qobj(A.data.toarray()) 可以工作，但我会保持开放状态，以防有人有更好的想法或理解 QuTiP 为什么这样做。
是的，使用 Qobj.data 可以得到表示状态或运算符的矩阵。
因此 A.data * B.data 允许您将它们相乘。完成后，您可以将其封装在 Qobj(A.data * B.data) 中，使其成为一个量子对象。