n体量子态的k-可分性和k-ME concurrence

来源 :河北师范大学 | 被引量 : 0次 | 上传用户:liulg
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
1.几种类型的n体量子态的可分性判别准则   从密度矩阵元素出发,主要讨论n体量子态的可分性.对不同类型的n量子比特态和nqudit量子态,我们得到了一些实用的可分性准则,其中一些判别准则构成了真正n体纠缠(genuinen-partiteentanglement)的充分条件.此外,还有一个判别准则是一类n体量子态完全可分的充要条件.   2.真正的n体纠缠态和不可分的n体量子态的探测   研究n体量子态的纠缠探测,得到了用来探测真正n体纠缠态和不可分态的实用的可分性准则.这些判别准则不需要最优化或者特征值计算,只需一些关于密度矩阵元素的简单的计算.此外,通过一些例子说明我们的判别准则比已知的可分性判别准则更好.特别地,我们能够探测到一些真正的n体纠缠态,而这些量子态用以前的判别准则是探测不到的.另外,我们的判别准则能够应用于今天的实验中.   3.多体量子态的k-可分判别准则   研究了多体高维系统量子态的多体纠缠的分类和探测.主要讨论n(n≥3)体量子态的k-可分性(k-separability).对任意有限维系统中的量子态,我们得到了实用的判别准则来判定它们的k-不可分性,这些判别准则描述了多体纠缠不同类的特征,并且能够识别一些多体纠缠(k-不可分(k-nonseparable)的n体量子态),而这些多体纠缠是以前的判别准则不能识别的.我们的判别准则能够用来区分多体纠缠的不同类,并能够有效地识别很多重要的多体纠缠,例如GHZ态,W态,anti-W态.我们给出的判别准则不仅能够用来识别真正的纠缠态(k=2),而且能够用来识别非k-可分的纠缠态(k=3,4,…,n).这些判别准则不需要最优化和特征值的计算,仅仅需要一些涉及密度矩阵元素的简单计算.另外,我们的判别准则能够在今天的实验中实现,那也就是说,我们的判别准则能够应用于多体纠缠的实验探测.   4.有可计算下界的多体纠缠度量   我们提出了一个多体纠缠(非k-可分)度量,k-MEconcurrenceCk-ME(ρ),它能很明确地识别任意维量子系统中的非k-可分态.特别地,2-MEconcurrenceC2-ME(ρ)是一个真正多体纠缠的一个度量.这个度量k-MEconcurrenceCk-ME(ρ)满足纠缠度量的六个重要的性质:对任意k-可分态取值为零;对于所有非k-可分态取值严格大于零;在局域酉变换下保持不变;纠缠单调;凸性;次可加性.而且,我们也给出了纠缠度量Ck-ME(ρ)的两个很好的下界.不需要量子态全息仪(tomography),这两个下界就能够在实验中实现,并且这两个界不涉及最优化和特征值的估计,很容易进行计算.另外,我们将通过具体的例子说明这两个下界比以前所得到的下界更好.
其他文献
骄阳似火,无情地烤灼着宽阔的马路--卡斯蒂利亚的一条官道.在这条道上,行人要想在路边找株小树来乘凉,或者找条小溪来解渴,那是枉费气力.被晒焦、贫瘠的田野,险峻的、起伏的
寂寞有种无法取代的美,在我能够控制它之前,它几乎可以把我的快乐击得粉碎.然而,孤独,有时竟然也可以成为习惯.于是,不再怕夜黑.
期刊
随着全球计算机网络的快速发展,各类网络交易更是如雨后春笋般,从而伴随而来的信息安全问题被越来越多的人们所重视.数字签名作为信息安全的核心技术之一,可以在数据传输中提
夕颜经常逃课,或者上课的时候她就在最后一排狠狠地睡觉.她就像帷幔后面的一阵风一样没有颜色,也没有形状.不需要深刻的旁白.
那是在洛杉矶郊外一所旅馆的早晨,我正在大堂的餐厅里就餐,发现自己的右前方有3个黑人孩子,在餐桌上埋头写着什么.当问他们在做什么时,老大回答说正在写感谢信,他一副理所当
近年来,全球信息化的高速发展使我们进入了一个高科技时代,尤其是以网络为代表的信息化技术的迅猛发展,使我们身处在各种各样复杂网络的世界里。随着网络化进程的加快人们需
随着化学计量学和计算技术的快速发展,近红外(NIR)光谱以其简便、快速、非破坏性和易于在线分析等特点,在诸多实际领域中得到成功应用。波长优化是NIR分析的核心技术之一,它对于提
本文研究非正则半群的特殊性质,主要是从子半群格的角度来描述非正则半群的性质,特别是GV-逆半群的子半群格以及全子半群格。  全文共分四章:  第一章是引言部分,主要阐述论
近几十年来,计算机的快速发展大大推动了数值分析的研究工作,许多理论与实际应用的问题(物理,工程技术,非线性数学等),都可以归结为一些特定非线性方程的求解。因此非线性方
由于高阶模糊神经网络比低阶模糊神经网络在逼近能力、收敛速度、存储水平及容错能力等方面都具有更强的功能,因此越来越多的学者对高阶神经网络进行积极研究,并且所取得的成