量子科技中心_量科网

经典概率分布间的最优输运已被证明在机器学习和随机组合优化等领域具有重要价值。量子最优输运及与之相关的量子Wasserstein距离——即将一个量子态转化为另一个量子态的最小代价——预计将在量子态判别和量子计量学中产生深远影响。该工作基于[De Palma, G.与Trevisan, D.在《Ann. Henri Poincaré》22卷(2021)3199-3234页]提出的计算两量子态间最优输运方案的形式体系，给出了任意两个单模高斯态之间二阶Wasserstein距离的通用公式。研究人员通过该高斯态通用公式，阐释了如何推导经典高斯分布间的Wasserstein距离，以及De Palma与Trevisan提出的热态量子Wasserstein距离。这为通过闭式解直接比较各类已知距离度量与Wasserstein距离开辟了新途径。