在经典信息论中,非共有信息指两个消息之间不共享的信息量,其操作意义可解释为交换消息所需的最低通信成本。将该概念拓展至量子领域后,量子非共有信息被定义为交换两个量子态所需的量子信息量。虽然在经典案例中可以精确计算非共有信息值,但目前尚未发现直接计算其量子对应量的方法。先前研究主要集中于推导量子非共有信息的上下界。该研究团队提出一种新方法,通过利用量子唐斯克-瓦拉达汉表示并实施基于梯度的优化策略来估算这些边界。研究结果表明,基于量子神经架构的变分技术有望实现量子非共有信息的高效近似。