,我们对连续变量量子键分布的渐近秘密密钥率建立了一个分析下限,并通过对相干状态进行任意调制。以前,此类边界仅适用于具有高斯调制的协议,并且在简单的相移 - 键调制的情况下存在数值界限。后者是作为凸优化问题的解决方案获得的,我们的新分析结合匹配Ghorai等人的结果。(2019),最多可达数值精度。由于其大量相干状态,无法使用先前的技术来分析更相关的正交振幅调制(QAM)情况。我们的界限表明,相对较小的星座大小(例如64个状态)基本上足以获得接近真正的高斯调节的性能,因此是大规模部署连续可变量子键分布的有吸引力的解决方案。当调制由任意状态组成,不一定是纯净时,我们也会得出相似的界限。
现有的监督学习的概括理论通常采用整体方法,并为整个数据分布的预期概括提供了界限,该方法隐含地假设该模型对所有不同类别的概括都相似。但是,在实践中,不同类别之间的概括性能存在显着差异,而现有的泛化范围无法捕获。在这项工作中,我们通过从理论上研究班级化误差来解决这个问题,从而量化了每个单独类别的模型的概括性能。我们使用KL Divergence得出了一种新的信息理论,用于类临时误差,并使用有条件相互构成的有条件相互结合的最新进展进一步获得了几个更紧密的界限,从而实现了实际评估。我们从经验上验证了各种神经网络中提出的界限,并表明它们准确地捕获了复杂的类概括行为。此外,我们证明了这项工作中开发的理论工具可以应用于其他几种应用程序。
人类天生好奇,不断寻求新的体验和发现。这种探索欲望超越了我们的传统界限,延伸到海洋深处、太空最远处,甚至数字世界。随着技术的不断进步,物理领域和数字领域之间的界限正在消失,为解决气候危机等紧迫问题的设计创新新时代铺平了道路。在人工智能和人类想象力无限可能性的推动下,室内空间正在不断发展,以前所未有的方式挑战传统并拥抱创造力。
我们在广义语境场景中引入了一组量子关联半定松弛层次。这构成了一个简单而通用的工具,用于限制量子语境的量级。为了说明它的实用性,我们用它来确定几个非语境不等式的最大量子违反,这些不等式的最大违反程度以前是未知的。然后,我们进一步用它来证明某些准备语境关联不能用纯态来解释,从而表明混合态是语境不可或缺的资源。在本文的第二部分,我们将注意力转向一般操作理论中准备语境关联的模拟。我们引入了模拟准备语境的信息成本,它量化了模拟经典或量子模型中的语境关联所需的额外信息(否则是被禁止的)。在这两种情况下,我们都证明了使用半定松弛层次的变体可以有效地限制模拟成本,并且我们在最简单的奇偶校验无关复用上下文场景中精确计算它。
摘要 — 我们提出了将 1 阶 Wasserstein 距离推广到 n 个量子态的建议。该建议恢复了正则基向量的汉明距离,更一般地恢复了正则基中对角量子态的经典 Wasserstein 距离。所提出的距离对于作用于一个量子态的量子位元的排列和幺正运算是不变的,并且对于张量积是可加的。我们的主要结果是冯·诺依曼熵关于所提距离的连续性界限,这显著加强了关于迹距离的最佳连续性界限。我们还提出了将 Lipschitz 常数推广到量子可观测量的建议。量子 Lipschitz 常数的概念使我们能够使用半定程序计算所提出的距离。我们证明了 Marton 传输不等式的量子版本和量子 Lipschitz 可观测量谱的量子高斯浓度不等式。此外,我们推导出浅量子电路的收缩系数和单量子信道的张量积相对于所提出的距离的界限。我们讨论了量子机器学习、量子香农理论和量子多体系统中的其他可能应用。