基于概率量子计量学的热态成本效益温度估计策略

在概率量子计量学中，人们旨在寻找弱测量，将费雪信息集中到根据弱结果后选择的量子态上。尽管量子Cramér-Rao界本身无法以此方式被超越，但有可能改善信息-成本比，甚至总费雪信息。我们提出一种基于单光子减除作用于辐射热态的后选择协议，相对于实现量子Cramér-Rao界所需的标准策略，该协议对温度参数给出了更高的信息-成本比。我们仅讨论完全经典的辐射态：这与（但不矛盾于）近期一个结论形成对比，该结论证明对于酉量子估计问题，仅当依赖于参数的量子态族的特定准概率变为负值时，后选择策略才能优于直接测量协议，而负值正是非经典性的明确标志。