Skip to content

定理Theorem

Holevo 界与可访问信息

Holevo bound · Holevo theorem · Accessible information · 可访问信息

Holevo 界限制从量子系综的任意测量中读出的经典标签互信息;两种明确测量展示如何从 Born 概率算到信息量,并区分可访问信息与最小判别错误。

形式陈述 ​

发送者按概率 px 选择经典标签 X=x,并制备同一个 d 维空间上的状态 ρx。有限集合 E={px,ρx} 称为一个系综。接收者拿到量子系统后,选择一个有限结果 POVM {Ey},得到经典结果 Y。这次试验的条件概率、联合概率和输出边缘分别是

W(y∣x)=Tr(Eyρx),PXY(x,y)=pxW(y∣x),qy=Tr(Eyρ¯),

其中 ρ¯=∑xpxρx 是平均态。测量必须对所有未知标签使用同一组效应算子;若测量装置先获知 x,就已经改变了通信任务。

指定测量读出的标签信息以经典互信息 I(X;Y) 衡量。固定系综后,让接收者在所有有限结果集合及其 POVM 中选择,定义可访问信息

Iacc(E)=sup{Ey}I(X;Y).

这里优化的是测量,先验概率和编码状态保持不变。采用底为 2 的对数,单位为 bit。用von Neumann 熵定义系综的 Holevo 信息

χ(E)=S(ρ¯)−∑xpxS(ρx).

Holevo 定理断言

I(X;Y)≤Iacc(E)≤χ(E).

第一项对应选定的测量,中间项对应所有测量的最优读取能力,右侧只由系综决定。下文从量子相对熵的数据处理定理推出这一上界,再完整计算两次测量;一般数据处理定理按 Watrous Theorem 5.35 调用。

直觉

制备标签是发送者手里的记录,量子状态是接收者真正得到的对象。若两个标签制备了相同状态,接收者不可能靠测量区分它们。若状态不同但不正交,测量结果也通常不能无误指出制备标签。状态向量中连续变化的振幅,并不是一份可直接逐项读出的经典清单。

一次测量得到多少随机性,与它告诉了多少标签信息,是两个问题。即使每次都发送同一状态,测量仍可能产生公平随机结果;这些结果的熵可以是一个 bit,关于固定标签的互信息却是零。Holevo 界约束的是标签与结果的联系,所以左侧是 I(X;Y),不是 H(Y)。

熵差 χ 的两个部分也有明确分工。S(ρ¯) 描述遗忘标签后看到的平均态,∑xpxS(ρx) 扣除每个已知标签内部已有的混合。差值给出了可读标签信息的上界。要知道某个装置实际读出了多少,仍须算出它的联合分布。

例子与边界

公平标签,非正交状态 ​

取 p0=p1=1/2,状态为 |0⟩ 与 |+⟩=(|0⟩+|1⟩)/2。平均态是

ρ¯=14(3111).

其迹为 1、行列式为 1/8,故特征值为 t=(2+2)/4 与 1−t。两分量都是纯态,熵为零,因此令 h2(u)=−ulog2⁡u−(1−u)log2⁡(1−u),有

χ=h2(t)≈0.600876037.

标签熵为一个 bit,但这不意味着平均态或某个测量能保留全部标签信息。

先测计算基 ​

用 E0=|0⟩⟨0|、E1=|1⟩⟨1| 测量,记结果为 Z。零态总给出 0,加态以相同概率给出两种结果。以标签为行、结果为列,得到

WZ=(101/21/2),PXZ=(1/201/41/4).

把联合矩阵按列相加,输出边缘为 (3/4,1/4)。条件输出熵是 12⋅0+12⋅1=1/2,所以

I(X;Z)=H(Z)−H(Z∣X)=h2(3/4)−12≈0.311278124.

输出熵 H(Z)≈0.811278124 比 χ 大,互信息却在界内。这个例子直接说明,不能把测量结果的随机性全部计为传来的信息。

换一个正交基 ​

现在取

|v0⟩=cos⁡(π/8)|0⟩−sin⁡(π/8)|1⟩,|v1⟩=sin⁡(π/8)|0⟩+cos⁡(π/8)|1⟩.

两向量归一且正交,投影 |vj⟩⟨vj| 因而构成合法测量。零态给出结果 0 的概率为 cos2⁡(π/8)=t;加态给出结果 0 的概率为 (cos⁡(π/8)−sin⁡(π/8))2/2=1−t。记结果为 V,便有

WV=(t1−t1−tt),PXV=12(t1−t1−tt).

这次输出公平,两个标签下的条件熵都为 h2(t),故

I(X;V)=1−h2(t)≈0.399123963.

换测量确实提高了信息量。由这个可执行选择和 Holevo 上界,我们得到

0.399123963…≤Iacc(E)≤0.600876037….

这份测量也出现在迹距离的二元最小错误判别中,但两个优化目标不同:最小错误要求猜标签尽量正确,可访问信息要求互信息尽量大。上述计算证明了这份测量读出的信息量,尚未求解对全部 POVM 的互信息优化;两种已算测量均未达到 χ,也不能单凭这一点断定所有测量都达不到它。

两个能精确取值的端点 ​

若全部正权重状态相同,则 ρ¯=ρx、χ=0。任意测量下 W(y∣x) 都不随 x 改变,标签与结果独立,所以 Iacc=0。

若正权重状态的支撑两两正交,就按这些支撑投影;在其正交补上补一个投影,使所有效应之和为 I。补出的结果概率为零,其余结果无误识别标签。平均态按正交块分解,若 ρx 的特征值是 λxj,平均态的非零特征值就是 pxλxj,直接展开得

S(ρ¯)=H(p)+∑xpxS(ρx).

因此 I(X;Y)=Iacc=χ=H(p)。这同时给出可达测量和匹配上界,而不只是一句“正交态可以区分”。

推论与应用

从每个状态相对平均态的差异推出测量界 ​

先删除零先验标签。对任何 v∈ker⁡ρ¯,

0=⟨v|ρ¯|v⟩=∑xpx‖ρxv‖2.

每项非负,故 suppρx⊆suppρ¯。于是量子相对熵 D(ρx‖ρ¯) 都有限。类似地,若 qy=0,非负求和 qy=∑xpxW(y∣x) 迫使整列 W(y∣x) 为零,互信息计算中没有正概率除以零的项。

将经典互信息的定义逐项展开,有

I(X;Y)=∑x,y:PXY(x,y)>0pxW(y∣x)log2⁡pxW(y∣x)pxqy=∑xpxD(W(⋅∣x)‖q).

测量对应同一个量子到经典信道

M(A)=∑yTr(EyA)|y⟩⟨y|.

可以直接核验它满足 CPTP 条件。选输入空间的正交基 {|k⟩},取Kraus 算子 Kyk=|y⟩⟨k|Ey,则

∑y,kKyk†Kyk=∑yEy=I,∑y,kKykAKyk†=M(A).

输出在记录基上对角,因此其量子相对熵就是概率列的经典相对熵。对每个标签应用共同信道下的数据处理定理,得到

D(W(⋅∣x)‖q)=D(M(ρx)‖M(ρ¯))≤D(ρx‖ρ¯).

乘以 px 后求和,再使用量子相对熵页已证明的系综恒等式:

I(X;Y)≤∑xpxD(ρx‖ρ¯)=S(ρ¯)−∑xpxS(ρx)=χ.

右侧与测量选择无关,对所有 POVM 取上确界便完成 Holevo 界的证明。关键步骤是两态经过同一个保持迹信道;选中一个测量结果后归一化的条件更新不属于这个线性 CPTP 接口。

维数界如何用于量子通信 ​

状态熵非负且不超过 log2⁡d,所以

Iacc≤χ≤S(ρ¯)≤log2⁡d.

若接收者仅测量收到的 q 个 qubit,d=2q,读出的经典互信息至多 q bit。这是固定一次制备与测量的界;它既没有证明某个噪声信道的编码容量,也没有保证任意系综的 χ 都能被这一次测量达到。

使用预共享纠缠通信时,应把接收者已有的辅助寄存器包括在状态中。超密编码发送一个 qubit 后,Bob 实际对两个 qubit 上的四个正交 Bell 态做联合测量,完整接收系统维数为 4,界允许读出两个 bit。若只把新到的一个 qubit 代入维数,就漏掉了原有资源。相反,另添一个与标签和输入态均独立的固定辅助态 τ,各项熵都加上 S(τ),会在 χ 的差中抵消。

终点自测:重新写出两份联合概率矩阵,分别算输出边缘和条件熵,再用测量信道推导上界。若改为公平制备 |0⟩,|1⟩,计算基给出 I=χ=1;若两标签都制备 |+⟩,无论测量结果多随机,互信息都为零。

参考资料
  • John Watrous, The Theory of Quantum Information, Chapter 5, Cambridge University Press, 2018,§5.3.3,Scenario 5.45、式 (5.244)–(5.248),pp. 294–295:测量诱导的联合分布与可访问信息;Theorem 5.49、Corollary 5.50,pp. 299–300:Holevo 界与维数推论。
  • 同书 Theorem 5.35、式 (5.174),pp. 280–281:量子相对熵的数据处理定理。本页引用该定理,逐态展开互信息及系综恒等式以证明测量界;二态两测量的概率与熵值在正文直接计算。
  • A. S. Holevo, “Bounds for the Quantity of Information Transmitted by a Quantum Communication Channel”, Problemy Peredachi Informatsii 9(3), 1973, pp. 3–11;英文译本 Problems of Information Transmission 9(3), pp. 177–183。此项为历史出处,现代有限维证明采用上述已查见教材版本。
关系图谱13 个相邻概念 · 2 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系