Loading...
机构名称:
¥ 1.0

因果关系这一主题最近在量子信息研究中引起了广泛关注。这项工作研究了过程矩阵之间的单次判别问题,这是一种定义因果结构的通用方法。我们提供了正确区分的最佳概率的精确表达式。此外,我们提出了一种使用凸锥结构理论实现此表达式的替代方法。我们还将判别任务表示为半正定规划。因此,我们创建了 SDP 来计算过程矩阵之间的距离,并根据迹范数对其进行量化。作为一个有价值的副产品,该程序找到了判别任务的最佳实现。我们还发现了两类可以完美区分的过程矩阵。然而,我们的主要结果是考虑与量子梳相对应的过程矩阵的判别任务。我们研究了在判别任务期间应使用哪种策略(自适应或非信号)。我们证明了无论选择哪种策略,区分两个过程矩阵为量子梳的概率都是相同的。

过程矩阵的单次判别策略

过程矩阵的单次判别策略PDF文件第1页

过程矩阵的单次判别策略PDF文件第2页

过程矩阵的单次判别策略PDF文件第3页

过程矩阵的单次判别策略PDF文件第4页

过程矩阵的单次判别策略PDF文件第5页

相关文件推荐

2022 年
¥1.0
2021 年
¥4.0
2021 年
¥1.0
2022 年
¥1.0
2023 年
¥1.0
2021 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2023 年
¥1.0
2020 年
¥1.0
2021 年
¥1.0
2024 年
¥2.0
2024 年
¥2.0
2023 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2024 年
¥2.0
2025 年
¥1.0
2024 年
¥3.0
2022 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2023 年
¥1.0