Quantum channel estimation and discrimination are fundamentally related information processing tasks of interest in quantum information science. In this paper, we analyze these tasks by employing the right logarithmic derivative Fisher information and the geometric R\'enyi relative entropy, respectively, and we also identify connections between these distinguishability measures. A key result of our paper is that a chain-rule property holds for the right logarithmic derivative Fisher information and the geometric R\'enyi relative entropy for the interval $\alpha\in(0,1) $ of the R\'enyi parameter $\alpha$. In channel estimation, these results imply a condition for the unattainability of Heisenberg scaling, while in channel discrimination, they lead to improved bounds on error rates in the Chernoff and Hoeffding error exponent settings. More generally, we introduce the amortized quantum Fisher information as a conceptual framework for analyzing general sequential protocols that estimate a parameter encoded in a quantum channel, and we use this framework, beyond the aforementioned application, to show that Heisenberg scaling is not possible when a parameter is encoded in a classical-quantum channel. We then identify a number of other conceptual and technical connections between the tasks of estimation and discrimination and the distinguishability measures involved in analyzing each. As part of this work, we present a detailed overview of the geometric R\'enyi relative entropy of quantum states and channels, as well as its properties, which may be of independent interest.


翻译:量子信道估计和区别从根本上说是量子信息科学中感兴趣的信息处理任务。 在本文中,我们通过分别使用正确的对数衍生渔业衍生物信息以及海森堡测量值相对对流信息来分析这些任务,我们还确定了这些可辨别措施之间的联系。我们论文的一个重要结果是,对于正确的对数衍生物渔业信息,以及R'enyi相对对流信息,存在着一种链式属性,这是对数衍生物渔业信息与R'enyi 相对映射值之间的一个概念框架,用于对量子频道中编码的参数进行估计(0.1美元 ) 。在频道估计中,这些结果意味着一个条件使得海森堡测量值无法实现,同时在频道歧视中,这些结果导致改进了切诺夫和霍菲错误推断值设置的误率界限。更一般而言,我们引入了摊分量级量渔业信息,作为概念框架,用以评估量子频道中标定值参数的值值(0.1美元 ) 。我们使用这个框架,以显示海森堡测量的缩度是不可能实现的,而当一个参数的不易测度的,而我们将这个参数的相对连接的参数作为一个概念和直径段段内分析的相对分析,我们所参与的参数作为分析的一个。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
【经典书】C语言傻瓜式入门(第二版),411页pdf
专知会员服务
51+阅读 · 2020年8月16日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
105+阅读 · 2020年5月3日
MIT新书《强化学习与最优控制》
专知会员服务
270+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
Self-Attention GAN 中的 self-attention 机制
PaperWeekly
12+阅读 · 2019年3月6日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
关于「Xception」和「DeepLab V3+」的那些事
PaperWeekly
8+阅读 · 2018年3月26日
智慧公路建设方案
智能交通技术
30+阅读 · 2018年2月28日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
Arxiv
0+阅读 · 2021年4月20日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Arxiv
6+阅读 · 2018年1月14日
VIP会员
相关VIP内容
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
Self-Attention GAN 中的 self-attention 机制
PaperWeekly
12+阅读 · 2019年3月6日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
关于「Xception」和「DeepLab V3+」的那些事
PaperWeekly
8+阅读 · 2018年3月26日
智慧公路建设方案
智能交通技术
30+阅读 · 2018年2月28日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
Top
微信扫码咨询专知VIP会员