诱导随机混合态是对称狄利克雷混合
Induced random mixed states are symmetric Dirichlet mixtures
浏览论文内容
中文总结 AI 辅助
本文证明部分迹诱导的随机混合态等价于对称狄利克雷混合的Mai-Alquier分布，并由此推导出纯度矩、Hilbert-Schmidt距离和行列式的精确表达式。
中文摘要 AI 辅助
我们建立了$D$维随机混合态（由对$K$维环境取部分迹诱导）与Mai-Alquier分布之间的精确分布等价性，后者是$K$个独立Haar随机纯态按对称狄利克雷分布加权混合的分布。这一识别将诱导系综的一类期望值计算转化为涉及狄利克雷矩和单系统态空间上的低阶Haar平均的计算。作为应用，我们恢复了直至四阶的精确纯度矩，推导了具有可能不同环境维数的独立诱导系综之间的平均Hilbert-Schmidt距离，并获得了精确的平均行列式。这些结果为诱导随机混合态以及纯度矩、重叠和行列式等量的评估提供了统一且构造性的视角。
英文摘要
We establish an exact equivalence in distribution between $D$-dimensional random mixed states induced by partial traces over $K$-dimensional environments and the Mai-Alquier distribution, a mixture of $K$ independent Haar-random pure states weighted by a symmetric Dirichlet distribution. This identification recasts a class of expectation values for induced ensembles into calculations involving Dirichlet moments and low-order Haar averages on a single-system state space. As applications, we recover exact purity moments up to fourth order, derive the mean Hilbert--Schmidt distance between independent induced ensembles with possibly different environment dimensions, and obtain exact average determinants. These results provide a unified and constructive perspective on induced random mixed states and on the evaluation of quantities such as purity moments, overlaps, and determinants.
发表机构
- DEVCOM Army Research Laboratory（美国陆军研究与发展司令部陆军研究实验室）
- Tulane University（杜兰大学）
- University of Toronto（多伦多大学）
- Southern Methodist University（南方卫理公会大学）
- Purdue University（普渡大学）
- Oak Ridge National Laboratory（橡树岭国家实验室）
机构由 AI 辅助整理，请以论文原文为准。
