[论文解读] Conclusive quantum state classification

Mei-Yu Wang, Fengli Yan|ArXiv.org|May 15, 2006

Quantum Computing Algorithms and Architecture参考文献 1被引用 3

一句话总结

本文確立了將非正交量子態分類為 n 個子集的結論性量子態分類的必要與充分條件，使用正算子值測量（POVM）。本文推導出最大成功機率的上界，顯示當不同子集中的態非正交時會導致失敗，且該上界取決於先驗機率與不同子集之間態的內積。

ABSTRACT

In this paper, we have considered the problem of general conclusive quantum state classification; the necessary and sufficient conditions for the existence of conclusive classification strategies have also been presented. Moreover, we have given the upper bound for the maximal success probability.

研究动机与目标

• 確定將量子態結論性分類為 n 個子集的條件。
• 推導結論性分類策略存在的必要與充分條件。
• 建立此類分類的最大成功機率的上界。
• 將先前關於無歧義區分的結果推廣至將態分類為多個子集的情況。

提出的方法

• 作者使用具有 n 個結果運算元（對應子集）及一個用於非結論性結果的運算元的廣義測量（POVM）來建模分類過程。
• 他們應用紐馬克定理，將系統嵌入更大的希爾伯特空間，並引入輔助系結，以實現系統與輔助系結之間的量子糾纏的酉演化。
• 酉變換將輸入態映射為輔助系結上測量結果可指示子集成員資格或失敗的糾纏態。
• 利用不同子集之間態的內積，對失敗機率 γ_ik 進行約束，從而導出不等式約束。
• 平均失敗機率 Q 以先驗機率與內積為基礎，對跨子集態對進行求和而導出。
• 最大成功機率的上界為 P ≤ 1 − Σ_{i≠j} Σ_{k,l} √(η_ik η_jl / ((N−m_i)(N−m_j))) |⟨ψ_ik|ψ_jl⟩|。

实验结果

研究问题

• RQ1 在何種條件下，一組非正交量子態可被結論性地分類為 n 個子集？
• RQ2 此類分類的最大可達成功機率為何？
• RQ3 先驗機率與態重疊如何影響成功機率？
• RQ4 是否可在未完全掌握態集合的情況下，對最佳策略進行邊界約束？

主要发现

• 結論性分類可行，當且僅當任一子集中至少有一個態無法由其他子集中的態線性表示。
• 成功機率的上界為 P ≤ 1 − Σ_{i≠j} Σ_{k,l} √(η_ik η_jl / ((N−m_i)(N−m_j))) |⟨ψ_ik|ψ_jl⟩|。
• 當所有子集相互正交時，該上界簡化為 1，確認在此情況下達到最佳性能。
• 任何態的失敗機率 γ_ik 滿足 √(γ_ik γ_jl) ≥ |⟨ψ_ik|ψ_jl⟩|，其中態來自不同子集。
• 平均失敗機率 Q 的下界由所有跨子集態對的總和給出，權重為先驗機率與歸一化係數。
• 本結果將無歧義區分推廣至多類分類，提供了一套部分態資訊提取的框架。