量子科技中心_量科网

该工作研究了在给定未知态多份拷贝的情况下，哪些量子态集合能在最小错误态识别中获得最高成功概率。具体而言，该团队考虑了形如 {1/N, ρ_i^⊗k}_{i=1}^N 的均匀分布系综，其中维度为 d 的 N 个态以 k 份相同拷贝的形式提供，并推导了此场景下的普适极限。对于纯态系综，该工作证明：当 N 足够大以支持一个态 k-设计时，这些设计将恰好产生最大可识别集合。该工作进一步表明，当 N 超过 k-设计所需规模时，混合态可以优于所有纯态系综。该工作还分析了类似的经典识别问题，其中态被概率分布替代。该研究认识到，多拷贝场景下最可识别经典态的问题与经典信道独立使用的乘法贝叶斯容量概念一一对应，这一概念在经典信息泄露语境中自然产生。这种关联使得该团队能够完全解决 N ≥ (d+k-1 choose k) 时问题的经典对应版本，并证明量子系统相比经典系统具有（关于拷贝数 k 的）二次优势。有趣的是，该工作还表明，当限制为实数量子态时，这种量子优势会显著减弱。最后，该工作引入了计算技术以寻找最可识别系综的集合，并在解析困难的情况下，为多拷贝态识别的最大成功概率获取严格的普适上界。