量子马尔可夫链的完整熵不等式
机器学习
2021-02-09 v1 人工智能
机器学习
摘要
我们证明有限维矩阵代数上的每个 GNS 对称量子马尔可夫半群都满足修正对数 Sobolev 不等式。在离散时间设定下,我们证明每个有限维 GNS 对称量子信道相对于其退相干自由部分满足强数据处理不等式。此外,我们建立了相对熵的第一个一般近似张量化性质。这将两个子系统的量子熵强次可加性(SSA)推广到两个子代数的一般设定。所有这三个结果都独立于环境的大小,因此满足张量化性质。它们通过一种共同的、概念上简单的方法获得,即通过谱或 估计证明熵不等式。作为应用,我们将关于修正对数 Sobolev 不等式和近似量化张量化的结果结合,推导了具有理论与实际相关性的例子界限,包括 上子拉普拉斯算子的表示,以及各类局部量子马尔可夫半群如量子 Kac 生成元和连续时间近似酉设计。对于后者,我们的界限意味着在 个 qudit 上存在局部连续时间马尔可夫演化,在相对熵中形成 -近似 -设计,其时间尺度为 。
引用
@article{arxiv.2102.04145,
title = {Model Rectification via Unknown Unknowns Extraction from Deployment Samples},
author = {Bruno Abrahao and Zheng Wang and Haider Ahmed and Yuchen Zhu},
journal= {arXiv preprint arXiv:2102.04145},
year = {2021}
}
备注
18 pages (7 pages for supplementary materials)