Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > quant-ph > arXiv:2506.23650

帮助 | 高级搜索

量子物理

arXiv:2506.23650 (quant-ph)
[提交于 2025年6月30日 ]

标题: 最优量子算法用于估计与纯态的保真度

标题: Optimal Quantum Algorithm for Estimating Fidelity to a Pure State

Authors:Wang Fang, Qisheng Wang
摘要: 我们提出了一种最优的量子算法,用于估计两个量子态之间的保真度,其中一个是纯态。 特别是,通过使用$\Theta(1/\varepsilon)$次对其状态制备电路的查询,可以将混合态到纯态的(平方根)保真度估计到加法误差$\varepsilon$以内,相对于常识方法实现了二次加速$O(1/\varepsilon^2)$。 我们的方法技术上简单,并且还可以估计文献中不常见的数量$\sqrt{\operatorname{tr}(\rho\sigma^2)}$。 据我们所知,这是首次涉及混合态的保真度估计的查询最优方法。
摘要: We present an optimal quantum algorithm for fidelity estimation between two quantum states when one of them is pure. In particular, the (square root) fidelity of a mixed state to a pure state can be estimated to within additive error $\varepsilon$ by using $\Theta(1/\varepsilon)$ queries to their state-preparation circuits, achieving a quadratic speedup over the folklore $O(1/\varepsilon^2)$. Our approach is technically simple, and can moreover estimate the quantity $\sqrt{\operatorname{tr}(\rho\sigma^2)}$ that is not common in the literature. To the best of our knowledge, this is the first query-optimal approach to fidelity estimation involving mixed states.
评论: 14页。将发表于ESA 2025
主题: 量子物理 (quant-ph) ; 信息论 (cs.IT)
引用方式: arXiv:2506.23650 [quant-ph]
  (或者 arXiv:2506.23650v1 [quant-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.23650
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Qisheng Wang [查看电子邮件]
[v1] 星期一, 2025 年 6 月 30 日 09:24:03 UTC (14 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
quant-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.IT
math
math.IT

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号