用于基于测量应用的经典-量子梳的最小熵
量子物理
2023-12-13 v3
摘要
学习量子系统的隐藏属性通常需要一系列相互作用。本文利用经典-量子态的一种推广——称为经典-量子梳（classical-quantum combs）——来形式化此类多轮学习过程。其中，“经典”指编码待学习隐藏属性的随机变量，“量子”指描述系统行为的量子梳。通过将梳最小熵（Chiribella and Ebler, NJP, 2016）应用于经典-量子梳，可以量化学习隐藏属性的最优策略。为展示该方法的威力，我们聚焦于源自基于测量的量子计算（MBQC）及相关应用的一系列问题。具体而言，我们用梳形式化描述一个已知的盲量子计算（BQC）协议，并由此借助最小熵为该协议的多轮过程提供单发安全性证明，扩展了文献中的现有结果。此外，我们考虑了一系列与验证部分未知的MBQC器件相关的、受操作性启发的例子。这些例子涉及学习器件正确使用所需的特征，包括学习其内部用于测量标定的参考系。我们还引入了在此背景下MBQC与量子因果模型之间的一条新联系。
引用
@article{arxiv.2212.00553,
title = {The Min-Entropy of Classical-Quantum Combs for Measurement-Based Applications},
author = {Isaac D. Smith and Marius Krumm and Lukas J. Fiderer and Hendrik Poulsen Nautrup and Hans J. Briegel},
journal= {arXiv preprint arXiv:2212.00553},
year = {2023}
}
备注
24 + 17 pages, 11 figures; Modifications to the presentation; some additional results added. Accepted in Quantum 2023-12-01