[论文解读] Negativity and Concurrence of mixed 2X2 states

Koenraad M. R. Audenaert, Frank Verstraete+2 more|ArXiv.org|Dec 15, 2000

Quantum Computing Algorithms and Architecture被引用 5

一句话总结

本文证明了对于所有混合 2×2 两体量子态，concurrence 永远不会低于 negativity，从而证实了 Eisert 和 Plenio 提出的猜想。本文刻画了 concurrence 等于 negativity 的态，并通过解析与数值方法（包括 downhill simplex 算法和最大纠缠态族）识别出在固定参与度比率或固定 concurrence 条件下使 concurrence 与 negativity 差值最大的态。

ABSTRACT

We consider two measures of entanglement of mixed bipartite states of dimension 2X2: concurrence and negativity. We first prove the conjecture of Eisert and Plenio that concurrence can never be smaller than negativity. We then characterise all states for which concurrence equals negativity and also those states for which the difference between concurrence and negativity is maximal (keeping either the concurrence fixed, or the participation ratio R=1/trace(rho^2)).

研究动机与目标

• 证明关于混合 2×2 态的猜想，即 concurrence 始终大于等于 negativity。
• 刻画所有满足 concurrence 等于 negativity 的 2×2 混合态。
• 在参与度比率 R 或固定 concurrence 的约束下，识别出使 concurrence 与 negativity 差值最大的态。
• 将最大纠缠态的解析结果与对全态空间的数值优化结果进行比较。

提出的方法

• 通过 Q = √ρᵀ(σ_y ⊗ σ_y)√ρ 的奇异值分解推导 concurrence，其中 σ_y 为泡利 Y 矩阵。
• 将 negativity 定义为 E_N(ρ) = max(0, -2λ₁(ρᵀ_B))，其中 λ₁ 为部分转置的最小特征值。
• 利用 Schmidt 分解与奇异值分解表达纯态的部分转置，并推导其特征值结构。
• 在 MatLab 中应用 downhill simplex 优化方法，对固定 R 或 C 的全态空间数值最大化 C - E_N。
• 分析秩为 2、3 和 4 的最大纠缠态，推导 C - E_N 关于 R 或 C 的解析表达式。
• 将数值结果与最大纠缠态提供的解析边界进行比较，以评估最优性。

实验结果

研究问题

• RQ1 对于所有混合 2×2 态，concurrence 是否始终大于等于 negativity？
• RQ2 哪些 2×2 混合态满足 concurrence 等于 negativity？
• RQ3 对于给定的参与度比率 R = 1/Tr(ρ²)，C - E_N 的最大可能值是多少？
• RQ4 对于给定的 concurrence C，C - E_N 的最大可能值是多少？
• RQ5 最大纠缠态是否在最大化 C - E_N 时最优？还是其他态能产生更大的差值？

主要发现

• 本文证明了对于所有 2×2 混合态，concurrence 始终大于等于 negativity，从而证实了 Eisert 和 Plenio 的猜想。
• concurrence 等于 negativity 当且仅当该态为纯态，或属于具有特定特征值结构的一类特定混合态。
• 对于给定的参与度比率 R ∈ [1,2)，C - E_N 的最大差值超过秩-2 最大纠缠态所能达到的值，且最优态仍为秩-2，但并非最大纠缠态。
• 对于 R ∈ [2,3]，在最大纠缠态类中使 C - E_N 最大的态，同样在全态集合中为最优，与预期相反。
• 对于固定的 concurrence C，C - E_N 的最大值由秩-2 最大纠缠态实现，其特征值为 λ₁ = max(C,1−C)，λ₂ = min(C,1−C)，此时 C - E_N = 1 − √(C² + (1−C)²)。
• 数值优化表明，对于 R ∈ [1,2)，C - E_N 的最大值大于最大纠缠态提供的解析边界，表明非最大纠缠态可产生更大的差值。