三能级量子系统的数值贝叶斯态分配。I.绝对频率数据;常数和类高斯先验

量子态相容性、改进和池化的贝叶斯方法

A Bayesian approach to compatibility, improvement, and pooling of quantum states

在量子理论的方法中，量子态被视为知识、信息或信念的表示，两个主体可以将不同的状态分配给同一个量子系统。这就提出了两个问题：什么时候这种状态分配是兼容的？以及如何协调不同代理人的国家分配？在本文中，我们从最近发展的量子理论的条件态形式主义的角度来解决这些问题[arXiv：1107.5849]。具体来说，我们推导出一个兼容性标准提出的Brun，Finkelstein和Mermin的要求，在获取数据，代理应更新他们的状态使用量子概括贝叶斯条件。我们提供了两个替代参数，这一标准的基础上，概率论的客观和主观贝叶斯解释。然后，我们将相同的方法应用于量子态改进的问题，即当你学习别人的状态分配时，如何更新你的状态，以及量子态池，即如何将几个代理的状态分配组合成一个准确代表群体观点的单一分配。特别是，我们推导出池规则先前提出的Spekkens和怀斯曼下弱得多的假设比原来的推导。我们所有的研究结果适用于更广泛的一类实验方案比以前在这种情况下考虑。

三能级量子系统的数值贝叶斯量子态分配。II。具有常数、类高斯和Slater先验的平均值数据

Numerical Bayesian quantum-state assignment for a three-level quantum system. II. Average-value data with a constant, a Gaussian-like, and a Slater prior

本文给出了贝叶斯量子态分配方法在三能级量子系统中的具体数值应用。根据各种测量数据和各种先验知识的证据分配的统计算子部分地通过分析计算，部分地通过计算机上的数值积分（在八个维度中）计算。测量数据包括N个相同的冯诺依曼投影测量的平均结果值进行N个相同的准备三能级系统。特别是大N的限制将被考虑。利用了三种先验知识：一种是关于统计算子集凸结构的可拓分布常数，另一种是Slater提出的作为统计算子集自然测度的先验知识，它是一种基于统计算子集凸结构的先验知识。最后一个先验由以纯统计算子为中心的类高斯分布表示，并因此反映了这样一种情况，其中人们具有关于系统的可能准备的有用的先验知识。在相同的测量条件下，将前两种先验所得到的统计算子与Jaynes最大熵方法所得到的统计算子进行了比较。在配套文件的情况下，测量数据组成的绝对频率被认为是。

Multiple Target Tracking and Filtering using Bayesian Diabatic Quantum Annealing

In this paper, we present a hybrid quantum/classical algorithm to solve an NP-hard combinatorial problem called the multiple target data association (MTDA) and tracking problem. We use diabatic quantum annealing (DQA) to enumerate the low energy, or high probability, feasible assignments, and we use a classical computer to find the Bayesian expected mean track estimate by summing over these assignments. We demonstrate our hybrid quantum/classical approach on a simple example. This may be the first demonstration of a Bayesian hybrid quantum-classical multiple target tracking filter. We contrast…

量子概率作为贝叶斯概率

Quantum probabilities as Bayesian probabilities

在概率论的贝叶斯方法中，概率量化了单个试验的置信度，而没有任何先验的限制频率。在本文中，我们表明，尽管规定了一个基本定律，概率为单个量子系统可以理解的贝叶斯方法。我们认为，经典概率和量子概率之间的区别不在于它们的定义，而在于它们编码的信息的性质。在经典世界中，关于一个物理系统的最大信息是完整的，因为它为所有可能的问题提供了明确的答案。在量子世界中，最大信息是不完全的，也是不可能完全的。使用这种区别，我们表明，任何贝叶斯概率分配在量子力学必须有量子概率规则的形式，量子系统的最大信息导致一个独特的量子态分配，和量子理论提供了一个更强的概率和测量频率之间的联系比可以证明经典。最后给出了量子态层析成像的贝叶斯公式。

Gleason定理的贝叶斯证明

A Bayesian Analogue of Gleason's Theorem

我们引入了一个新的概念的概率在量子历史理论，并给出了一个Gleasonesque证明这些任务。这涉及到引入一个尝试性的新的概率公理。我们还讨论了我们如何解释这些广义概率偏序偏好的概念，我们介绍了一个试探性的广义概念香农熵。概率论的贝叶斯方法贯穿始终，因此我们使用的公理将是合理性的最低标准，而不是特设的数学公理。

利用贝叶斯学习增强量子比特读取

Enhancing qubit readout with Bayesian Learning

本文提出一种基于贝叶斯推断的量子比特读取方案，通过构建赋值概率分布来校正系统缺陷和热噪声，在五超导量子比特设备上显著降低读取误差。