[论文解读] Maximum Geometric Quantum Entropy

Fabio Anzà, James P. Crutchfield|arXiv (Cornell University)|Aug 19, 2020

Quantum Information and Cryptography参考文献 29被引用 4

一句话总结

本文提出一种最大熵原理，用于从给定的密度矩阵估计几何量子态，采用几何动机的熵泛函。关键结果是在纯态流形上得到一个闭式高斯型分布，由密度矩阵参数化，相较于仅使用密度矩阵，提供了更丰富的物理态描述。

ABSTRACT

Any given density matrix can be represented as an infinite number of ensembles of pure states. This leads to the natural question of how to uniquely select one out of the many, apparently equally suitable, possibilities. Following Jaynes' information-theoretic perspective, this can be framed as an inference problem. We propose the Maximum Geometric Quantum Entropy Principle to exploit the notions of Quantum Information Dimension and Geometric Quantum Entropy. These allow us to quantify the entropy of fully arbitrary ensembles and select the one that maximizes it. After formulating the principle mathematically, we give the analytical solution to the maximization problem in a number of cases and discuss the physical mechanism behind the emergence of such maximum entropy ensembles.

研究动机与目标

• 解决密度矩阵在完全捕捉量子系综物理实现方面的局限性。
• 开发一种系统化方法，仅基于密度矩阵估计几何量子态——即在纯态流形上的概率分布。
• 弥合操作性量子层析（产生密度矩阵）与通过几何量子力学实现的物理有意义态描述之间的差距。
• 建立一个针对量子态空间几何结构量身定制的最大熵框架，确保与量子测量统计的一致性。

提出的方法

• 将几何量子态形式化为复射影空间 $\mathbb{C}P^{D-1}$ 上的概率测度，即纯态的流形。
• 采用 Fubini-Study 体积元 $dV_{FS}$ 作为定义几何量子熵的不变测度。
• 应用最大熵原理，使用几何量子熵泛函，并以已知密度矩阵 $\rho$ 作为约束条件。
• 推导出最大熵几何态为在纯态流形上的多元高斯分布，由 $\vec{\mu}$ 和 $\Sigma$ 参数化，当 $\vec{\mu} = 0$ 时 $\Sigma = \rho$。
• 将所得估计表示为 $q_{\text{ME}}(Z) = Q^{-1} \exp\left(-\frac{1}{2} \vec{Z}^* \rho^{-1} \vec{Z}\right)$，其中 $Q$ 是 $\mathcal{P}(\mathcal{H})$ 上的归一化积分。
• 利用关系 $\rho_{\alpha\beta} = \mathbb{E}[Z^\alpha \overline{Z}^\beta]$ 将密度矩阵与几何态的矩联系起来。

实验结果

研究问题

• RQ1 如何从给定的密度矩阵估计几何量子态，因为仅凭密度矩阵无法完全确定物理系综？
• RQ2 在几何量子力学框架下，用于量子态估计的合适熵泛函是什么？
• RQ3 能否将最大熵原理应用于几何量子态，以获得唯一且具有物理意义的估计？
• RQ4 在已知密度矩阵的约束下，最大熵几何态的功能形式是什么？

主要发现

• 当 $\det \rho \neq 0$ 时，最大熵几何量子态为 $q_{\text{ME}}(Z) = Q^{-1} \exp\left(-\frac{1}{2} \vec{Z}^* \rho^{-1} \vec{Z}\right)$，其中 $Q = \int_{\mathcal{P}(\mathcal{H})} dV_{FS} \, \exp\left(-\frac{1}{2} \vec{Z}^* \rho^{-1} \vec{Z}\right)$。
• 当仅知道密度矩阵时，该估计退化为在纯态流形上的多元高斯分布，协方差矩阵 $\Sigma = \rho$，且均值 $\vec{\mu} = 0$。
• 几何量子态相较于仅使用密度矩阵，能提供更丰富的系统描述，因为多个几何态可产生相同的 $\rho$。
• 该方法确保与所有 POVM 统计一致，因为从 $q(Z)$ 导出的密度矩阵 $\rho_q$ 与输入 $\rho$ 匹配，通过 $\rho_{\alpha\beta} = \mathbb{E}[Z^\alpha \overline{Z}^\beta]$ 实现。
• 该方法在基变换下保持不变，并尊重纯态流形的底层微分几何结构。
• 以一个量子比特为例（$\rho_{00} = 0.55$，$\rho_{11} = 0.45$，$\rho_{01} = 0.2 - 0.3i$），展示了该方法的可行性，并在 $(p, \phi)$ 坐标系中可视化了所得态。