Greenberger-Horne-Zeilinger (GHZ) states are quantum states involving at least three entangled particles. They are of fundamental interest in quantum information theory and have several applications in quantum communication and cryptography. Motivated by this, physicists have been designing various experiments to create high-dimensional GHZ states using multiple entangled particles. In 2017, Krenn, Gu and Zeilinger discovered a bridge between experimental quantum optics and graph theory. A large class of experiments to create a new GHZ state are associated with an edge-coloured edge-weighted graph having certain properties. Using this framework, Cervera-Lierta, Krenn, and Aspuru-Guzik proved using SAT solvers that through these experiments, the maximum dimension achieved is less than $3,4$ using $6,8$ particles, respectively. They further conjectured that using $n$ particles, the maximum dimension achievable is less than $\dfrac{n}{{2}}$ [Quantum 2022]. We make progress towards proving their conjecture by showing that the maximum dimension achieved is less than $\dfrac{n}{\sqrt{2}}$.


翻译:完美匹配和量子物理学:限制 GHZ 态的维度 翻译后的摘要: Greenberger-Horne-Zeilinger (GHZ)态是涉及至少三个纠缠的粒子的量子态。它们在量子信息理论中具有基础性的重要性,并在量子通信和密码学中有多种应用。受此启发,物理学家一直在设计各种实验,使用多个纠缠粒子来创建高维 GHZ 态。2017 年,Krenn、Gu 和 Zeilinger 发现量子光学实验和图论之间的桥梁。创建新的 GHZ 态的大部分实验都与具有一定属性的边染色边权重图相关联。使用这个框架,Cervera-Lierta、Krenn 和 Aspuru-Guzik 利用 SAT 求解器证明,通过这些实验,使用 $6$、$8$ 粒子,最大维度分别小于 $3,4$。他们进一步猜想,使用 $n$ 个粒子,最大可达到的维度小于 $\dfrac{n}{{2}}$ [Quantum 2022]。我们通过展示实现的最大维度小于 $\dfrac{n}{\sqrt{2}}$,从而在证明他们的猜想方面取得了进展。

0
下载
关闭预览

相关内容

机器学习损失函数概述,Loss Functions in Machine Learning
专知会员服务
82+阅读 · 2022年3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
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
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
美国化学会 (ACS) 北京代表处招聘
知社学术圈
11+阅读 · 2018年9月4日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年5月31日
Arxiv
0+阅读 · 2023年5月28日
Automatic sparse PCA for high-dimensional data
Arxiv
0+阅读 · 2023年5月26日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
美国化学会 (ACS) 北京代表处招聘
知社学术圈
11+阅读 · 2018年9月4日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员