[论文解读] Entropy and Algorithmic Complexity in Quantum Information Theory: a Quantum Brudno's Theorem

Fabio Benatti, Tyll Krueger+3 more|arXiv (Cornell University)|Jun 10, 2005

Computability, Logic, AI Algorithms参考文献 23被引用 1

一句话总结

本文通过将量子系统冯·诺依曼熵率与两种量子算法复杂度概念（定义为通用量子图灵机输出的量子比特字符串的最小描述长度）相联系，建立了布鲁多经典定理的量子类比。其关键贡献是严格地将经典熵-复杂度对偶性扩展至量子领域，证明在适当条件下，每量子比特的量子算法复杂度收敛于冯·诺依曼熵率。

ABSTRACT

In classical information theory, entropy rate and algorithmic complexity per symbol are related by a theorem of Brudno. In this paper, we prove a quantum version of this theorem, connecting the von Neumann entropy rate and two notions of quantum algorithmic complexity, both based on the shortest qubit descriptions of qubit strings that, run by a universal quantum Turing machine, reproduce them as outputs.

研究动机与目标

• 将布鲁多关于熵与算法复杂度的经典定理扩展至量子领域。
• 通过通用量子图灵机可生成的最短量子程序长度来定义量子算法复杂度。
• 在渐近极限下，建立冯·诺依曼熵率与量子算法复杂度之间的正式关系。
• 通过基础性的量子复杂度-熵对偶性，弥合量子信息理论与量子算法信息理论之间的鸿沟。

提出的方法

• 将量子算法复杂度定义为：在通用量子图灵机上运行时，能输出给定量子比特字符串的最短量子程序的长度。
• 将冯·诺依曼熵率形式化为量子态序列中每量子比特的渐近平均熵。
• 利用通用量子图灵机模型模拟量子计算，并推导出量子字符串的最小描述长度。
• 在长序列极限下，建立每量子比特的量子算法复杂度收敛于冯·诺依曼熵率的结论。
• 利用量子信息理论工具，包括量子典型性和渐近均分性质，证明量子布鲁多定理。
• 证明对于典型量子序列，每量子比特的量子算法复杂度几乎必然等于冯·诺依曼熵率。

实验结果

研究问题

• RQ1 能否将经典布鲁多定理（连接熵与算法复杂度）扩展至量子系统？
• RQ2 应如何基于量子计算与通用量子图灵机来定义量子算法复杂度？
• RQ3 冯·诺依曼熵率与每量子比特的量子算法复杂度之间存在何种渐近关系？
• RQ4 对于典型量子序列，量子算法复杂度是否收敛于冯·诺依曼熵率？
• RQ5 这一量子对偶性对量子信息与复杂度理论有何启示？

主要发现

• 对于典型量子序列，每量子比特的量子算法复杂度几乎必然收敛于冯·诺依曼熵率。
• 基于最小量子程序长度的两种不同量子算法复杂度概念，在渐近极限下均收敛于同一熵率。
• 量子布鲁多定理在量子系统中建立了信息含量（熵）与算法复杂度之间的对偶性。
• 该结果在假设存在能够以有界误差模拟任何量子计算的通用量子图灵机的前提下成立。
• 收敛性通过量子典型性和渐近均分性质得到证明，确保了对大规模量子字符串的鲁棒性。
• 该定理将经典算法信息理论推广至量子领域，为量子熵与量子计算复杂度之间提供了基础性联系。