Global unitary transformations that optimally increase the bias of any mixed computation qubit in a quantum system, represented by a diagonal density matrix, towards a particular state of the computational basis which, in effect, increases its purity are presented. Quantum circuits that achieve this by implementing the above data compression technique, a generalization of the 3B-Comp [Fernandez, Lloyd, Mor, Roychowdhury (2004); arXiv: quant-ph/0401135] used before, are described. These circuits enable purity increment in the computation qubit by maximally transferring part of its von Neumann or Shannon entropy to any number of surrounding qubits and are valid for the complete range of initial biases. Using the optswaps, a practicable new method that algorithmically achieves hierarchy-dependent cooling of qubits to their respective limits in an engineered quantum register opened to the heat-bath is delineated. In addition to multi-qubit purification and satisfying two of DiVincenzo's criteria for quantum computation in some architectures, the implications of this work for quantum data compression and quantum thermodynamics are discussed.


翻译:以对数密度矩阵为代表,优化地增加了量子系统中任何混合计算量子的偏差的全球单质变异,这种变异以对数密度矩阵为代表,朝着一个特定的计算基础状态倾斜,而计算基础实际上增加了纯度。通过实施上述数据压缩技术实现这一点的量子电路,对3B-Comp[Fernandez、Lloyd、Mor、Roycchowdhury(2004年);对以前使用的弧度:kunt-ph/041135]进行了总体化的3B-Comp[Fernandez、Lloyd、Mor、Royckhowdhury(2004年);对弧度:kon-ph/O041135]进行了描述。这些电路路使计算Qubit的纯度增加,将 von Neumann 或 Shann enropy 的一部分最大地转移至任何几个周围的qubits,并适用于整个初步偏差范围。使用“opswaps” 。利用“opswaps”, 一种可行的新方法,一种可行的新方法,在逻辑上根据结构中根据结构中实现了量子压缩数据压缩和量子数据压缩和量子的量子压值计算中实现各自的两个标准,对量子的精度的影响正在讨论。讨论。除了多位子的精精和量子的精和量子的精度的精度的精度的精度。除了讨论。除了讨论的精度的精度分析外,还讨论。

0
下载
关闭预览

相关内容

专知会员服务
39+阅读 · 2021年7月4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
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Github项目推荐 | 知识图谱文献集合
AI研习社
26+阅读 · 2019年4月12日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
自定义损失函数Gradient Boosting
AI研习社
13+阅读 · 2018年10月16日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Arxiv
0+阅读 · 2021年8月20日
VIP会员
相关资讯
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Github项目推荐 | 知识图谱文献集合
AI研习社
26+阅读 · 2019年4月12日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
自定义损失函数Gradient Boosting
AI研习社
13+阅读 · 2018年10月16日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Top
微信扫码咨询专知VIP会员