基于主动学习的纠缠相对熵上界
量子物理
2020-10-30 v2
摘要
对多体量子态的纠缠进行量化是量子信息论许多方面的关键任务。在所有纠缠度量中，纠缠相对熵 因其清晰的几何意义、易于兼容不同系统尺度以及在许多其他相关量计算中的各种应用而成为一个突出量。先前基于到正部分转置态集合的距离找到了 的下界。我们提出一种基于主动学习（机器学习的一个子领域）计算 上界的方法，以生成可分态集合的近似。我们将该方法应用于不同尺度复合系统的 计算，并与先前已知的下界比较，获得了有前景的结果。我们的方法为纠缠度量计算增添了一个可靠工具，并加深了我们对可分态结构的理解。
引用
@article{arxiv.1909.02335,
title = {Upper bounds for relative entropy of entanglement based on active learning},
author = {Shi-Yao Hou and Chenfeng Cao and D. L. Zhou and Bei Zeng},
journal= {arXiv preprint arXiv:1909.02335},
year = {2020}
}
备注
9 pages, 7 figures