基于层叠上同调的量子语义通信基本极限

语义通信通过传输含义而非原始比特，实现了多智能体系统中带宽高效的协调。然而，当智能体采用异构的感知模态与 AI 架构时，完美的比特级传输不再能保证相互理解。尽管用于语义压缩的深度学习方法已取得进展，但异构下语义对齐的信息论极限仍知之甚少。值得注意的是，语义歧义与量子语境性具有相同的数学结构，二者均源于上同调障碍，这促使了对 SC 的量子化表述。本文利用层叠上同调提出了一个量子语义通信的信息论框架。多智能体语义网络被建模为量子层叠，其中智能体的语义空间是由量子信道连接的 Hilbert 空间。第一层叠上同调群被证明能刻画不可约的语义歧义，代表了对齐的一种基本障碍，任何局部处理都无法解决。证明了语义对齐所需的最小通信速率与上同调空间维度的对数成比例，从而确立了 Shannon 极限的语义类比。对于纠缠辅助信道，其可达容量被证明严格超越经典界限，每个共享 ebit 使所需经典通信减少一比特，为共享语境提供了严格解释。此外，证明了量子语境性能减少上同调障碍，并建立了量子失协与整合语义信息之间的对偶关系，将量子关联与不可约语义内容联系起来。该框架为自主多智能体系统中的量子增强语义通信提供了严格的基础。