量子信息论形成于近 30 年前,是一个自洽且多学科的研究领域,而它的起源可以追溯到 20 世纪 50 至 60 年代,当时香农信息论的基本思想得到了发展。在量子信息论中,信道及其容量的概念起着核心作用,它们衡量了信道的最终信息处理性能。有关量子信道的全面介绍,请参阅 [1]。量子信道是一种既能传输量子信息又能传输经典信息的通信信道。量子比特的状态就是量子信息的一个例子。量子信道是量子力学框架允许任意输入的最一般的输入-输出关系。从物理上讲,它们从一般开放系统的角度描述空间中的任何传输(例如通过光纤)和/或时间的演变(如量子存储器)。在数学上,它们的特征是线性、完全正映射,在薛定谔图中,以保留迹的方式作用于密度算符。对角量子信道在通信和物理中具有重要应用。有一些关于不同类型对角信道的研究,例如去极化信道[2-4,13]、转置去极化信道[5]和具有恒定 Frobenius 范数的对角信道(去极化、转置去极化、混合去极化经典和混合转置去极化经典)[6],这些研究在
作者 SA Frank · 2020 · 被引用 11 次 — 鉴于此处篇幅有限,我们将自己限制在一个将 Price 方程、生物适应度、信息论和广义... 联系起来的例子中
摘要:是否有可能开发出一种有意义的方法来衡量模拟模型的复杂性?算法信息论提供了已应用于其他研究领域的概念,用于实际测量对象复杂性。本文从多个角度概述了复杂性,并提供了有关模拟模型复杂性的知识体系。定义了关键术语模型细节、分辨率和范围。算法信息论中的一个重要概念 Kolmogorov 复杂性和该概念的一个应用规范化压缩距离用于表示测量模型细节变化的可能性。该领域的进一步研究可以推动建模和仿真知识体系向测量模拟模型复杂性的实际应用迈进。示例表明,模拟模型的 KC 和 NCD 测量可以检测到范围和细节的变化。
摘要:本综述从信息论的角度探讨了人工智能、心理学和经济学之间的一些核心关系,特别关注决策理论的形式模型。在此过程中,我们研究了每个领域所采用的特定方法,以及信息论如何为每个领域思想的发展提供信息。一个关键主题是预期效用理论、它与信息论的联系以及贝叶斯决策方法和(有限)理性的形式。从本综述中得出的是一种广泛统一的形式观点,它源自三个非常不同的起点,反映了每个领域的独特原则。至少在原则上,所审查的三种方法中的每一种都可以在计算模型中实现,这样,只要有足够的计算能力,它们就可以与人类在复杂任务中的能力进行比较。然而,萨维奇在《统计学基础》中首次提出了一个可以应用于这三种方法的核心批评,最近经济学家宾莫尔也提出了这一批评:贝叶斯决策方法在萨维奇所谓的“小世界”中有效,但在“大世界”中却行不通。这一点以各种不同的形式出现在当前关于人工智能的力量及其与类人学习和决策的关系的一些争论中。人工智能的最新研究在一定程度上弥补了这一差距,但为了在这些问题上取得进展,在这三个领域仍需要回答一些重要问题。
我的研究领域是信息的数学理论及其应用,特别是研究了通信、统计推断和密码学的数学理论。这些主题有不同的应用方面,并且由于历史原因而具有不同的社区。然而,这些主题具有共同的数学方面。因此,这些主题可以用共同的数学处理方式来处理。我根据共同的数学性质研究了这些主题。具体来说,我主要针对量子系统以及非量子(经典)系统研究这些主题。最近,我用这种方法研究了热力学的基础。最近,我主要在研究以下几点。一是基于群表示理论的量子信息处理的数学处理。群对称性通过消除基依赖性简化了量子系统中的许多问题。事实上,即使给定的信息处理问题由于问题的复杂性而需要进行困难的分析,群对称性也会通过降低复杂性来简化问题。利用群对称性,我们可以构建独立于基的通用协议。由于量子系统的群论方法尚未完成,因此需要进一步发展。第二是信息论保密的数学理论。最近,我为这个主题提出了几种方法,但是它们之间的关系不太清楚,还有一些问题尚未解决。因此,这个主题需要进一步研究。第三是量子理论的基础。虽然以前没有从信息论的角度研究过这个主题,但现在正在从操作的角度用信息论进行研究。我正在研究这个研究方向。
摘要:借助量子信息论中的技术,我们开发了一种方法,可以系统地获得多个矩阵变量中的算子不等式和恒等式。它们采用迹多项式的形式:涉及矩阵单项式 X α 1 ··· X α r 及其迹 tr ( X α 1 ··· X α r ) 的多项式表达式。我们的方法依赖于将对称群在张量积空间上的作用转化为矩阵乘法。因此,我们将极化的凯莱-汉密尔顿恒等式扩展为正锥上的算子不等式,用 Werner 状态见证来表征多线性等变正映射集,并在张量积空间上构造置换多项式和张量多项式恒等式。我们给出了与量子信息论和不变理论中的概念的联系。
17. 特别会议:“如果你建造它,他们就会来”:2021 年 1 月全国数学科学博士研究联盟学者报告,联合数学会议,华盛顿特区 标题:算子系统抽象理论及其在量子信息论中的一些应用
摘要:是否有可能开发出一种有意义的方法来衡量模拟模型的复杂性?算法信息论提供了已应用于其他研究领域的概念,用于实际测量对象复杂性。本文从多个角度概述了复杂性,并提供了有关模拟模型复杂性的知识体系。定义了模型细节、分辨率和范围等关键词。算法信息论中的一个重要概念——柯尔莫哥洛夫复杂性,以及该概念的一个应用——归一化压缩距离,用于表示测量模型细节变化的可能性。该领域的进一步研究可以推动建模和仿真知识体系向测量模拟模型复杂性的实际应用迈进。示例表明,模拟模型的 KC 和 NCD 测量可以检测到范围和细节的变化。