[论文解读] Optimal Distillation of Non-Markovianity: Bounds, Multi-Copy Gain, and the Weak-to-Essential Transition

Gabriel M. Arantes, Bárbara Amaral+1 more|arXiv (Cornell University)|Mar 14, 2026

Quantum Information and Cryptography被引用 0

一句话总结

该论文提出一种算法，通过对量子过程的多拷贝粗粒化，来最优地提取非马尔可夫性；显示一个轻微非马尔可夫通道经蒸馏后可在本质上接近非马尔可夫性。

ABSTRACT

Quantum channels generally reduce the distinguishability of quantum states, limiting information transmission and processing. Previous work introduced a protocol capable of increasing the distinguishability of states after the action of a specific quantum channel. Here we show how to systematically determine the maximal distinguishability gain achievable by this method. We develop an algorithm that identifies the optimal implementation of the protocol and applies to arbitrary quantum channels in a straightforward manner. Using this approach, we demonstrate that a weakly non-Markovian channel can effectively be converted into an essentially non-Markovian one through a distillation-like process. We further analyze the quantitative features of the optimized protocol, characterizing the conditions under which the enhancement is most pronounced. Our results provide a general framework to assess and optimize distinguishability recovery in open quantum systems.

研究动机与目标

• 在开放量子系统中动机化并量化非马尔可夫性的蒸馏。
• 确定蒸馏协议可实现的最大可区分性增益。
• 开发算法以识别任意量子通道的最优粗粒化映射。
• 描述何时蒸馏会导致从弱到本质非马尔可夫性的转变。

提出的方法

• 定义 CPTP 量子动力学并通过中间映射的正性来界定弱/本质非马尔可夫性。
• 引入一个蒸馏协议，其中 n 个拷贝通过粗粒化 CPTP 映射 lambda 处理，以产生等效的单拷贝动力学。
• 推导蒸馏下可提升的可区分性上限，并给出饱和条件（通用界限与有效界限）。
• 使用 Stinespring 型稀释来参数化 CPTP 映射并在酉上进行优化以最大化蒸馏后的迹距变化。
• 给出离散时间通道模型的具体两拷贝与三拷贝分析，并研究初态对对偶辅助维度的依赖。

实验结果

研究问题

• RQ1 一个轻微非马尔可夫通道是否可以通过蒸馏协议转化为本质非马尔可夫？
• RQ2 在多拷贝粗粒化下可实现的状态可区分性增益的最大值是多少？何时达到饱和？
• RQ3 输入态的选择和拷贝数如何影响蒸馏非马尔可夫性的能力？
• RQ4 增加辅辅助系统的维度是否会提高蒸馏得到的非马尔可夫性？
• RQ5 哪些结构条件决定通用通道的界限饱和与相变？

主要发现

• 优化后的蒸馏可引起从弱到本质非马尔可夫性的相变，迹距离的正向变化证明了这一点。
• 蒸馏后的可区分性变化在测试案例中达到有效界限的饱和，指示在该协议下的最大可能增益。
• 两拷贝处理在某些初态下就能触发相变，三拷贝在弱区间可放大效应。
• 输入态的选取对蒸馏是否带来显著增益具有关键影响；某些饱和对在两拷贝时几乎无改进，而在三拷贝时非饱和对则获显著收益。
• 将辅辅助维度提升到超过一个量子比特并不提高蒸馏增益，且可能增加计算成本。
• 对粗粒化酉的数值优化显示鲁棒性并适用于实验设置。