Quantum illumination is a technique for detecting the presence of a target in a noisy environment by means of a quantum probe. We prove that the two-mode squeezed vacuum state is the optimal probe for quantum illumination in the scenario of asymmetric discrimination, where the goal is minimizing the probability of a false positive with a given probability of a false negative. Quantum illumination with two-mode squeezed vacuum states offers a 6 dB advantage in the error probability exponent compared to illumination with coherent states. Whether more advanced quantum illumination strategies may offer further improvements had been a longstanding open question. Our fundamental result proves that nothing can be gained by considering more exotic quantum states, such as e.g. multi-mode entangled states. Our proof is based on a new fundamental entropic inequality for the noisy quantum Gaussian attenuators. We also prove that without access to a quantum memory, the optimal probes for quantum illumination are the coherent states.


翻译:量子光照是一种通过量子探测器来探测在噪音环境中存在目标的技术。 我们证明两个模式挤压的真空状态是非对称歧视情景下量子光照的最佳探测器, 目标是将假阳性的概率降到最低, 并给定一个假负概率。 由两个模式挤压的真空状态下的量子光照提供了6 dB 误差概率的优势, 而不是一致的状态下光照的优势。 更先进的量子光照战略能否带来进一步的改进是一个长期的未决问题。 我们的基本结果证明, 考虑更多的异端量度状态, 如多模式缠绕的状态, 没有什么好处。 我们的证据基于噪音量子高控点的一种新的基本昆虫不平等性。 我们还证明, 如果不能获得量子记忆, 量子辐射的最佳探测器就是连贯的状态。

0
下载
关闭预览

相关内容

 【SIGGRAPH 2020】人像阴影处理,Portrait Shadow Manipulation
专知会员服务
28+阅读 · 2020年5月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
已删除
AI科技评论
4+阅读 · 2018年8月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
NIPS 2017:贝叶斯深度学习与深度贝叶斯学习(讲义+视频)
机器学习研究会
36+阅读 · 2017年12月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
5+阅读 · 2018年10月4日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Arxiv
4+阅读 · 2018年4月30日
Arxiv
4+阅读 · 2018年3月14日
Arxiv
5+阅读 · 2017年12月14日
VIP会员
相关VIP内容
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
已删除
AI科技评论
4+阅读 · 2018年8月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
NIPS 2017:贝叶斯深度学习与深度贝叶斯学习(讲义+视频)
机器学习研究会
36+阅读 · 2017年12月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员