The task of binary quantum hypothesis testing is to determine the state of a quantum system via measurements on it, given the side information that it is in one of two possible states, say $\rho$ and $\sigma$. This task is generally studied in either the symmetric setting, in which the two possible errors incurred in the task (the so-called type I and type II errors) are treated on an equal footing, or the asymmetric setting in which one minimizes the type II error probability under the constraint that the corresponding type I error probability is below a given threshold. Here we define a one-parameter family of binary quantum hypothesis testing tasks, which we call $s$-hypothesis testing, and in which the relative significance of the two errors are weighted by a parameter $s$. In particular, $s$-hypothesis testing interpolates continuously between the regimes of symmetric and asymmetric hypothesis testing. Moreover, if arbitrarily many identical copies of the system are assumed to be available, then the minimal error probability of $s$-hypothesis testing is shown to decay exponentially in the number of copies, with a decay rate given by a quantum divergence which we denote as $\xi_s(\rho\|\sigma)$, and which satisfies a host of interesting properties. Moreover, this one-parameter family of divergences interpolates continuously between the corresponding decay rates for symmetric hypothesis testing (the quantum Chernoff divergence) for $s = 1$, and asymmetric hypothesis testing (the Umegaki relative entropy) for $s = 0$.


翻译:二进制量子假设测试的任务是通过测量确定量子系统的状态, 这是因为侧面信息显示它位于两个可能的状态之一, 比如 $\ rho$ 和 $\ sigma$ 。 这个任务通常在对称设置中研究, 其中对任务中发生的两个可能的错误( 所谓的第一类和第二类错误) 进行同等处理, 或者对称设置中发生的两个可能的错误( 所谓的第一类和第二类错误 ), 或对称设置中, 将相应类型I的误差概率降到低于给定阈值的限制之下 。 我们在这里定义了一个二进制量假设测试任务的一个参数组, 我们称之为 美元- 顺差测试, 其中两个错误的相对重要性被一个参数 $ 。 特别是, 美元- 顺位测试在对称和不对称假设测试制度之间, 如果假设系统有许多任意相同的副本存在, 那么美元- 顺位值测试的最小误差概率在 美元 美元 的正值 。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
斯坦福&谷歌Jeff Dean最新Nature论文:医疗深度学习技术指南
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
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
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+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
已删除
将门创投
5+阅读 · 2018年3月21日
Arxiv
1+阅读 · 2021年6月5日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
斯坦福&谷歌Jeff Dean最新Nature论文:医疗深度学习技术指南
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
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
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+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
相关资讯
已删除
将门创投
5+阅读 · 2018年3月21日
Top
微信扫码咨询专知VIP会员