量子费舍尔信息的有限征兆压缩
Task-Dependent Syndrome Memory in Quantum Sensing and State Recovery
浏览论文内容
中文总结 AI 辅助
该研究针对量子传感中有限征兆压缩问题，推导了对称对数导数量子费舍尔信息损失的精确恒等式，明确了最优征兆设计的本质及最小可读征兆数，还给出了特定噪声模型下的最优值。
中文摘要 AI 辅助
可读的错误记录可保护量子传感，因为它们能防止物理上不同的噪声轨迹发生不可逆混合。然而，有限的探测器或辅助量子比特只能保留有限数量的征兆值，目前尚无通用准则来判断可合并哪些记录而不损失计量信息。我们针对固定的细粒度经典-量子记录以及与参数无关的压缩，将其压缩至至多M个标志的问题进行了建模。我们证明了一个精确恒等式，该恒等式将损失的对称对数导数量子费舍尔信息（SLD QFI）表示为细粒度与粗粒度SLD得分之间经状态加权的平方距离之和。由此，最优有限征兆设计本质上是一个算子值聚类问题，且零损失由支持集解析的公共SLD条件表征。我们将该恒等式扩展至全多参数SLD QFI矩阵，并区分了局域QFI保留与整个统计模型恢复。对于量子码的精确恢复，我们单独证明：当每个细粒度错误均可单独纠正时，可读征兆的最小数量为Knill-Laflamme不相容图的色数。对于量子比特随机幺正噪声，我们得到了一个有限划分公式；平面随机泡利模型具有条件方差表示，且对于均匀错误轴，精确最优值为F_M^★=[M sin(π/M)/π]^2，其损失为π²/(3M²)+O(M⁻⁴)。这些结果明确了有限征兆分辨的信息论成本，同时阐明了任何被动噪声到擦除解释所需的边信息假设。
英文摘要
Preserving metrological information under noise is central to quantum sensing, yet finite detectors and memories impose an unavoidable limit on how finely noise trajectories can be resolved. Using exact symmetric-logarithmic-derivative geometry, we determine when a monitored trajectory can be compressed without losing quantum Fisher information. For an explicit faithful monitored qubit family, the complete joint signal-and-noise model is recoverable from only polynomially many type records, requiring $O(\log n)$ terminal memory, whereas deferred recovery of arbitrary $n$-qubit states requires exponentially many trajectories, or $O(n)$ memory. Online correction replaces this terminal storage by an irreducible per-use readout and feedback alphabet. These results establish syndrome information as a task- and timing-dependent resource connecting quantum sensing, statistical sufficiency, and quantum error correction.
