量子比特旋转的贝叶斯分步估计
量子物理
2025-12-05 v1 数据分析、统计与概率
摘要
本文研究了用于测量单位量子比特旋转的两个参数的贝叶斯分步估计（Se）。尽管渐近分析在量子Fisher信息矩阵接近奇异（“松散”模型）的区间内预测SE在精度上优于联合估计（JE），但我们在实际贝叶斯框架中运用有限资源时，证明了这一优势被缓解。我们使用极化量子比特实现了SE协议，实现的不确定性接近经典Van Trees界限。然而，与最终量子Van Trees界限进行联合估计比较时，发现对先验分布的平均会消去SE的渐近优势。尽管如此，分步策略仍保留重要的实际优势，因为其使用简单、固定的测量，而饱和JE界限通常需要复杂、参数依赖的操作。
引用
@article{arxiv.2512.04898,
title = {Bayesian stepwise estimation of qubit rotations},
author = {Mylenne Manrique and Marco Barbieri and Assunta Di Vizio and Miranda Parisi and Gabriele Bizzarri and Ilaria Gianani and Matteo G. A. Paris},
journal= {arXiv preprint arXiv:2512.04898},
year = {2025}
}