MétaCan
Menu
Retour à la cohorte
Enregistrement W2004368983 · doi:10.1103/physreva.82.032302

Entanglement in channel discrimination with restricted measurements

2010· article· en· W2004368983 sur OpenAlexaff
William Matthews, Marco Piani, John Watrous

Notice bibliographique

RevuePhysical Review A · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésLOCCQuantum entanglementChannel (broadcasting)Set (abstract data type)Computer scienceQuantum channelQuantumsortAmplitude damping channelMathematicsAlgorithmPhysicsTelecommunicationsQuantum mechanicsQuantum discordInformation retrieval

Résumé

récupéré en direct d'OpenAlex

We study the power of measurements implementable with local quantum operations and classical communication (LOCC) measurements in the setting of quantum channel discrimination. More precisely, we consider discrimination procedures that attempt to identify an unknown channel, chosen uniformly from two known alternatives, that take the following form: (i) the input to the unknown channel is prepared in a possibly entangled state with an ancillary system, (ii) the unknown channel is applied to the input system, and (iii) an LOCC measurement is performed on the output and ancillary systems, resulting in a guess for which of the two channels was given. The restriction of the measurement in such a procedure to be an LOCC measurement is of interest because it isolates the entanglement in the initial input-ancillary systems as a resource in the setting of channel discrimination. We prove that there exist channel discrimination problems for which restricted procedures of this sort can be at either of the two extremes: they may be optimal within the set of all discrimination procedures (and simultaneously outperform all strategies that make no use of entanglement), or they may be no better than unentangled strategies (and simultaneously suboptimal within the set of all discrimination procedures).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,610
Score d'incertitude au seuil0,222

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,296
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Review AMême sujetQuantum Information and CryptographyTravaux en français237 207