The relative entropy of a quantum density matrix to a subalgebraic restriction appears throughout quantum information. For subalgebra restrictions given by commuting conditional expectations in tracial settings, strong subadditivity shows that the sum of relative entropies to each is at least as large as the relative entropy to the intersection subalgebra. When conditional expectations do not commute, an inequality known as quasi-factorization or approximate tensorization replaces strong subadditivity. Multiplicative or strong quasi-factorization yields relative entropy decay estimates known as modified logarithmic-Sobolev inequalities for complicated quantum Markov semigroups from those of simpler constituents. In this work, we show multiplicative comparisons between particular forms of relative entropy, including subalgebra-relative entropy and certain perturbations to it. Following, we obtain a strong quasi-factorization inequality with constant scaling logarithmically in subalgebra index and sometimes avoiding explicit index dependence. For conditional expectations that nearly commute and are not too close to a set with larger intersection algebra, the shown quasi-factorization is asymptotically tight in that the constant approaches one. We apply quasi-factorization to uncertainty relations between incompatible bases and to conditional expectations arising from graphs. Quasi-factorization yields bounds of optimal asymptotic order on mixing processes described by finite graphs.


翻译:数量密度矩阵与亚相位数限制的相对温和度。对于在种族环境中将条件性期望对等化的附加期望,强烈的亚相位数限制表明,每种相对异性对等性的总和至少与相交子相交的亚相位数的相对酶共和度相等。当条件性预期不通时,被称为准致变异或近似加压的不平等将取代强大的亚相向性。倍增或强准致变异性将产生相对的对数衰变估计,称为对数-Sobolev 的变异性估计,已知对较复杂的量Markov 半组与较简单的成份组群的对数进行修正的对数-Sobolev 分化。在这项工作中,我们展示了相对相对倍增异性变异性对应的特定形式之间的倍性对比,包括亚相位数变异性变异性变异性变异性和某些扰动。随后,我们获得了强烈的准致畸变异性不平等,在亚相变异性变异性变相指数指数指数指数指数指数化指数中不断缩,有时相接近的预期接近接近接近且不相对准变。

0
下载
关闭预览

相关内容

相对熵(relative entropy),又被称为Kullback-Leibler散度(Kullback-Leibler divergence)或信息散度(information divergence),是两个概率分布(probability distribution)间差异的非对称性度量。在在信息理论中,相对熵等价于两个概率分布的信息熵(Shannon entropy)的差值.
专知会员服务
50+阅读 · 2020年12月14日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
已删除
将门创投
5+阅读 · 2018年11月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月9日
Arxiv
0+阅读 · 2021年6月9日
Relative Clustering Coefficient
Arxiv
0+阅读 · 2021年6月9日
Arxiv
0+阅读 · 2021年6月7日
Arxiv
0+阅读 · 2021年6月5日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
已删除
将门创投
5+阅读 · 2018年11月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Top
微信扫码咨询专知VIP会员