Skip to main content
QUICK REVIEW

[论文解读] An Entropic Uncertainty Principle for Quantum Measurements

M. Krishna, K. R. Parthasarathy|ArXiv.org|Oct 4, 2001
Quantum Information and Cryptography参考文献 5被引用 24
一句话总结

本文通过使用Riesz-Thorin插值法和Naimark定理,将纠缠不确定性原理推广至任意量子测量(超越投影可观测量)——推导出两个测量的香农熵之和的下界。关键结果即使在单一测量情况下也能提供非平凡的不确定性界限,且在非简并可观测量情况下退化为Maassen-Uffink界限。

ABSTRACT

The entropic uncertainty principle as outlined by Maassen and Uffink for a pair of non-degenerate observables in a finite level qusystem is generalized here to the case of a pair of arbitrary quantum measurements. In particular, our result includes not only the case of projectivmeasurements (or equivalently, observables) exhibiting degeneracy but also an uncertainty principle for a single measurement.

研究动机与目标

  • 将纠缠不确定性原理从非简并可观测量推广至有限维系统中的通用量子测量。
  • 为两个任意量子测量的香农熵之和建立一个紧致的下界。
  • 涵盖单个测量的情形,即使仅有一个测量也存在非平凡的不确定性。
  • 在测量为非简并投影可观测量时,使结果退化为Maassen-Uffink界限。

提出的方法

  • 使用Riesz-Thorin插值定理来界定表示测量重叠的矩阵的算子范数。
  • 应用Naimark的扩张定理,将一般正算子值测度(POVMs)扩展为更大希尔伯特空间上的投影测量。
  • 通过矩阵元 $ t_{ij} = \langle \phi_i | \psi_j \rangle $ 定义测量重叠,其中 $ \phi_i $、$ \psi_j $ 是与测量结果相关的归一化态。
  • 通过在 $ L^2 $ 与 $ L^1/L^\infty $ 范数之间插值,推导出熵之和的下界。
  • 将问题转化为涉及 $ \|T\|_{p_t,q_t} \leq R^t $ 的范数不等式,其中 $ R = \max |t_{ij}| $,从而导出不确定性界限。
  • 将该界限应用于密度算符,并通过熵的凹性将其推广至混合态。

实验结果

研究问题

  • RQ1纠缠不确定性原理能否从非简并投影测量推广至任意量子测量?
  • RQ2两个通用量子测量的香农熵之和的最紧致下界是什么?
  • RQ3即使仅有一个测量,是否存在非平凡的不确定性原理?
  • RQ4在测量为非简并可观测量时,广义界限如何退化为Maassen-Uffink结果?

主要发现

  • 本文建立了熵之和的下界:$ H(\mathbf{X},\psi) + H(\mathbf{Y},\psi) \geq -2 \log_2 \left( \max_{i,j} \frac{|\langle \psi | X_i Y_j | \psi \rangle|}{\|X_i^{1/2}\psi\| \|Y_j^{1/2}\psi\|} \right) $。
  • 当两个测量均为非简并投影可观测量时,该界限退化为Maassen-Uffink结果。
  • 对于单个测量,该界限给出 $ H(\mathbf{X},\rho) \geq -\log_2 \left( \max_{i,j} \|X_i^{1/2} X_j^{1/2}\| \right) $,其值非零且非平凡。
  • 在有限群 $ G $ 的情况下,界限变为 $ H(\psi) + H(\widehat{\psi}) \geq \log_2 N - \log_2 \left( \max_{\pi} d(\pi) \right) $,当 $ \psi $ 为均匀分布时取等。
  • 在阿贝尔群情况下,该界限是紧致的,其中 $ \max d(\pi) = 1 $,此时下界为 $ \log_2 N $,由均匀态实现。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。