[论文解读] The Relationship Between Discrete and Continuous Entropy in EPR-Steering Inequalities

James Schneeloch|arXiv (Cornell University)|Dec 9, 2013

Molecular Junctions and Nanostructures参考文献 1被引用 3

一句话总结

本文在EPR隐性关联不等式的背景下，建立了离散熵与连续熵之间的严格数学联系，展示了如何利用离散测量推导并实验检验连续变量的EPR隐性关联不等式。关键贡献在于提出了一个强化的隐性关联不等式（20），该不等式无需假设空间自由度之间的统计独立性，从而增强了对局部隐态模型实验违反的鲁棒性。

ABSTRACT

This document expands upon the relationship between discrete and continuous entropy given in (Phys. Rev. Lett. 110 130407), \Violating Continuous Variable Einstein-Podolsky-Rosen Steering with Discrete Measurements". We provide a detailed derivation for the inequality relating the continuous conditional entropy to its discrete approximation, and show how this connection works between discrete and continuous entropic quantities in general. In addition, we use this connection to show how to derive the continuous variable Einstein-Podolsky-Rosen steering inequality with discrete measurements as seen in (Phys. Rev. Lett. 110 130407), and make an additional comment which strengthens this result.

研究动机与目标

• 正式建立量子信息中离散熵与连续熵之间的关系，尤其针对EPR隐性关联场景。
• 严格推导离散测量如何近似连续变量系统中的连续条件熵。
• 通过消除空间自由度之间统计独立性的假设，强化先前工作中推导出的EPR隐性关联不等式。
• 利用离散测量结果实现对连续变量EPR隐性关联的更稳健实验验证。
• 阐明多维系统中熵不确定度关系与EPR隐性关联之间的联系。

提出的方法

• 推导基本不等式 $ h(y|x) \leq H(Y|X) + \log(\Delta y) $，将连续条件熵与离散近似联系起来。
• 通过将连续熵分解为离散测量窗口上的条件熵，建立 $ h(x) $、$ H(X) $ 与窗口大小 $ \Delta x $ 之间的关系。
• 应用Jensen不等式及熵的凹性，对离散区间内条件分布的熵进行有界处理。
• 将熵的关联关系扩展至多变量的联合熵与条件熵，包括互信息。
• 以熵不确定度关系 $ h(\vec{x}) + h(\vec{k}) \geq n\log(\pi e) $ 为基础，推导多维隐性关联不等式。
• 在不假设各维度之间独立性的前提下，推导出最终的隐性关联不等式 $ H(\vec{X}_B|\vec{X}_A) + H(\vec{K}_B|\vec{K}_A) \geq \sum_{i=1}^n \log\left(\frac{\pi e}{\Delta x_{Bi}\Delta k_{Bi}}\right) $。

实验结果

研究问题

• RQ1 在EPR隐性关联实验中，如何利用离散测量来近似连续条件熵？
• RQ2 在连续变量量子系统背景下，离散熵与连续熵之间的精确数学关系是什么？
• RQ3 能否仅通过离散测量结果，严格推导出基于连续变量的EPR隐性关联不等式？
• RQ4 在多维EPR隐性关联不等式中，是否必须对空间自由度之间的统计独立性做出假设？
• RQ5 通过消除此类假设，是否可以增强EPR隐性关联不等式的强度？

主要发现

• 本文推导出不等式 $ h(y|x) \leq H(Y|X) + \log(\Delta y) $，表明连续条件熵受离散条件熵加上与测量分辨率相关的项所上界限制。
• 建立了基本的熵关联关系 $ h(x) = \sum_{\ell} P(X_\ell) h_\ell(x) + H(X) $，通过分箱方法将连续熵与离散熵联系起来。
• 推导出的隐性关联不等式（20）在无需假设空间自由度之间统计独立性的前提下依然成立，显著增强了其物理意义。
• 不等式 $ h(\vec{x}^B|\vec{x}^A) + h(\vec{k}^B|\vec{k}^A) \geq n\log(\pi e) $ 被证明在一般情况下成立，其基础为熵不确定度关系。
• 离散隐性关联不等式（20）被证明比以往认为的更强，因其不依赖于独立性假设。
• 离散与连续熵之间的关联可自然推广至互信息，满足 $ h(x:y) \geq H(X:Y) $，并通过 $ h(\vec{x}|\vec{y}) \leq H(\vec{X}|\vec{Y}) + \log\left(\prod_{i=1}^n \Delta x_i\right) $ 扩展至多变量系统。