一般概率论中语境性的资源理论层级

在这项工作中，我们提出了一个广义语境性的层级结构。它细化了传统的语境性与非语境性理论的二元区分，并便于根据其语境性程度进行比较。我们的方法聚焦于由一般概率论（GPTs）描述的制备-测量场景中的语境性。为构建该层级，我们将其定义为一个新的GPT-语境性资源理论的资源序。其自由操作的构建块是经典系统和GPT之间的单值模拟。这些模拟保持操作等价性，因此不能产生语境性。非语境性理论可作为层级中的最小元素恢复。然后，我们定义了一个新的语境性单调量，称为经典过剩，它由将GPT嵌入无限经典系统的最小误差给出。此外，我们证明奇偶性 oblivious 多路复用博弈中的最优成功概率也在我们的资源理论中定义了一个单调量。最后，我们讨论了非自由操作是否可理解为实现信息擦除，从而解释语境性的微调方面。