研究顺序测量对于量子理论的基础方面和量子技术的实际实现都至关重要,这两种应用都可以通过将量子工具串联成一定长度的序列来抽象地描述。一般来说,在序列中任何给定步骤的工具选择都可以根据所有先前工具的经典结果有条件地进行选择。对于序列中的两个工具,我们认为有条件的第二个工具是将第一个工具后处理为新工具的有效方法。这类似于如何通过使用随机矩阵对其结果进行经典随机化,将由正算子值测度 (POVM) 描述的测量后处理为另一个测量。在这项工作中,我们研究了工具的后处理关系及其在其等价类上诱导的偏序。我们描述了这个顺序的最大元素和最小元素,给出了不同类型工具之间后处理的示例,并绘制了其中一些工具的后处理与其诱导的 POVM 之间的联系。
摘要 — 量子传感器是最有前途的量子技术之一,可以达到参数估计的极限精度。为了实现这一点,需要完全控制和优化传感器硬件部分的构成,即探测状态的准备和要执行的测量的正确选择。然而,对于软件组件也必须仔细考虑:必须采用一种策略来找到所谓的最佳估计量。在这里,我们回顾了在无限和有限资源的情况下寻找最佳估计量的最常用方法。此外,我们尝试通过概率分布的高阶矩对估计量进行更完整的表征,表明大多数信息已经由标准界限传达。