量子物理
[提交于 2025年2月3日
]
标题: 用最优样本预测量子动力学的对称性
标题: Predicting symmetries of quantum dynamics with optimal samples
摘要: 在量子动力学中识别对称性,如身份对称性或时间反演不变性,是一个具有深远影响的关键挑战。 我们引入了一个统一的框架,结合群表示理论和子群假设检验,以最优效率预测这些对称性。 通过利用紧致群及其不可约表示的固有对称性,我们推导出最优II型错误(检测对称性的失败概率)的精确表征,为量子最大相对熵提供了操作性解释。 特别是,我们证明并行策略能达到与自适应或无限因果序协议相同的效果,解决了关于复杂控制序列必要性的争论。 应用于单例群、最大交换群和正交群,得到明确结果:对于预测未知量子比特幺正的 identity 属性、Z 对称性和 T 对称性,零 I 型错误和 II 型错误被$\delta$限制,我们建立了显式的最优样本复杂度,其规模为$\mathcal{O}(\delta^{-1/3})$用于 identity 测试,$\mathcal{O}(\delta^{-1/2})$用于 T/Z 对称性测试。 这些发现为量子信息处理中的高效幺正性质测试和对称性驱动的协议提供了理论见解和实践指导。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.