通过不可确定因果顺序结构存储与获取von Neumann测量

本工作提出了使用不可确定因果结构学习未知维数为 $d$ 的von Neumann测量的问题。在所考虑的情境中，我们可获得该测量的 $N$ 个拷贝。我们使用过程矩阵的形式将关于给定测量的信息存储起来，以便后续用于其最佳可能近似值的重现。我们的目标是计算该过程中平均保真度函数 $F_d(N)$ 的最大值。我们证明 $F_d(N) = 1 - \Theta \left( \frac{1}{N^2}\right)$ 对任意固定维数 $d$ 成立。此外，我们给出计算 $F_d(N)$ 的SDP程序。基于数值调查，我们显示对于qubit von Neumann测量，使用不可确定因果学习结构在 $N \ge 3$ 时提供的近似优于量子网络。