量子传感器网络的关联几何：局域-全局信息流与局域隐私
Correlation Geometry of Quantum Sensor Networks: Local-Global Information Flow and Local Privacy
浏览论文内容
中文总结 AI 辅助
该研究针对量子传感器网络的干扰参数问题，引入有效量子费舍尔信息并开发相图，揭示了桶效应、过度关联机制，还确定了局域隐私与全局估计的平衡条件，为量子传感网络设计提供了方法。
中文摘要 AI 辅助
量子传感器网络通常编码N个未知参数，同时针对单个线性组合，使得其余N-1个参数成为干扰方向。为严格量化此类干扰下的估计精度，我们引入有效量子费舍尔信息（EQFI）概念，并开发一种精确的基于EQFI的相图，系统描述局域与全局EQFI之间的分配。利用该几何框架，我们确定了一个称为“桶效应”的基本瓶颈：全局EQFI严格受限于所有节点中最弱的加权局域传感能力。我们进一步建立了达到该界限的具体条件。重要的是，该几何图描绘了局域与全局EQFI之间的权衡如何动态依赖于量子关联，并揭示了一种反直觉的“过度关联”机制，其中过多的关联会主动降低局域和全局性能。最后，我们将相图应用于内在局域隐私，并确定了每个局域参数不可访问但所需全局组合仍可估计的条件。总体而言，我们的工作为量子传感架构中最优网络状态的工程设计提供了一种原则性方法。
英文摘要
Quantum sensor networks (QSN) typically encode N unknown parameters while targeting a single linear combination, rendering the N-1 remaining parameters as nuisance directions. To rigorously quantify estimation precision under such nuisances, we use the effective quantum Fisher information (EQFI) and establish a ``barrel-effect'' bottleneck: the global EQFI cannot exceed the weakest weighted local sensing capacity. To elucidate the information allocation mechanism underlying this bottleneck, we derive an exact local--global phase map that delineates how the trade-off between local and global EQFI depends dynamically on quantum correlations, and accordingly we identify concrete conditions for saturating the bottleneck bound. Notably, this geometric map uncovers a counterintuitive ``overcorrelated'' regime where excessive correlations actively degrade both local and global performance. Finally, we apply the phase map to intrinsic local privacy and identify the condition under which every local parameter is inaccessible while the desired global combination remains estimable. Overall, our work provides a principled methodology for engineering optimal network states in quantum sensing architectures.
