信息论

  本文总结经典信息论和量子信息论的一些要点。经典部分写的稍微简单点。


写在前面的一些吐槽 ~~为什么要有期中考试啊~~😟😟😟

1. 熵

1.1 香农熵

事件集合和对应概率分别为: X={x1,x2,,xn} P={p1,p2,,pn}

香农熵定义(常以2为底):

H(X)H(p1,,pn)=xpxlogpx[0,logn]

相对熵(Kullback-Leibler 散度):

D(p(x)||q(x))xp(x)logp(x)q(x)H(X)xp(x)logq(x)

联合熵:

H(X,Y)x,yp(x,y)logp(x,y)

条件熵:

H(X|Y)H(X,Y)H(Y)

互信息(有的书上用H(X:Y)表示):

I(X;Y)H(X)+H(Y)H(X,Y)

1.2 Von Neumann 熵

Von Neumann 熵定义为:

S(ρ)Tr(ρlogρ)=xaxlogax

其中axρ的本征值。

量子相对熵:

S(ρ||σ)Tr(ρlogρ)Tr(ρlogσ)

量子联合熵:

S(ipi|ii|ρi)=H(pi)+ipiS(ρi)

|i是一组正交基。

特别的,如果密度矩阵能写成张量积形式,其联合熵为: S(ρσ)=S(ρ)+S(σ)

量子条件熵:

S(A|B)S(A,B)S(B)

量子互信息:

S(A:B)S(A)+S(B)S(A,B)

性质:

  1. Concavity S(ipiρi)ipiS(ρi)

  2. Subadditivity & Triangle inequality (Araki-Lieb inequality) |S(A)S(B)|S(A,B)S(A)+S(B)

  3. Strong Subadditivity S(A,B,C)+S(B)S(A,B)+S(B,C)

1.3 Holevo bound

考虑一个量子信息的传递过程:

  Alice向Bob发送量子态{ρX}X=0,,n,概率为p0,p1,,pn。Bob在收到量子态之后,实施一组POVM测量{Fy}={F0,F1,,Fm},得到结果为{Y}Alice{X,pX}EncodingE={ρX,pX}POVM{Y,pY}Bob

Holevo证明互信息存在上限: χS(xpxρx)xpxS(ρx) I(X;Y)χ

Bob从Y中可得到的关于X的信息量为: Iacc(E)=max{Fy}I(X;Y)

于是有: Iacc(E)χ

不能用n个qubit传递n bit的信息

  假设{0,1}均匀分布,Alice做一种编码: 0|01cosθ|0+sinθ|1

其密度矩阵为: ρ=12[1000]+12[cos2θcosθsinθcosθsinθsin2θ]

本征值为(1±cosθ)/2

计算Holevo上界 χ=H(1±cosθ2)1bit

  因此,对于不取等号的情况,不能用一个qubit传递1bit的信息。这个结论可以进行推广。

数学上有 S(ρ)xpxS(ρx)H(X)

  因此,如果将n bit的信息X编码在n个qubit上,那么POVM测量后可以得到的关于X的信息为: Iacc(E)χH(X)=n bit

  等号成立的情况是比较特殊的,对于大部分情况,等号是不成立的。因此,不能用n个qubit传递n bit的信息。

  关于用n个qubit编码m bit的二元序列,Nayek有一个描述解码正确概率的公式: P(X=Y)2n2m

同样可以解释为什么不能用n个qubit传递n bit的信息。

证明参考UCB的讲义:

https://people.eecs.berkeley.edu/~vazirani/s07quantum/notes/lec17/lec17.pdf

2. 信息论

熵率的定义: 考虑一个长度为n的序列的熵,当n趋向无穷的极限即为熵率。 H(χ)limn1nH(X1,X2,,Xn)

2.1 Shannon’s noiseless channel coding theorem(无失真信源编码定理)

经典信息编码和解码的过程: x1xnCnx1xmDnx1xn

  Cn将序列x=(x1,,xn)映射为长度为nR的二元序列。Dn将长度为nR的二元序列映射为x=(x1,,xn)

  考虑一个独立同分布信源{Xi},其熵率为H(X)。则对于R>H(X),存在可靠编码方式;对于R<H(X),不存在可靠编码方式。

可靠的意思是指当序列长度趋向无穷以后,解码后的序列等于原始序列的概率趋向1: limnP(Dn(Cn(x))=x)=1

2.2 Schumacher’s noiseless channel coding theorem

量子信息编码和解码的过程: ρCnρDnρ

  CnHn中的态映射为2nR维空间的一个态。Dn2nR维空间的一个态映射为Hn中的态。

  考虑一个独立同分布量子信源{H,ρ}。则对于R>S(ρ),存在可靠编码方式;对于R<S(ρ),不存在可靠编码方式。

可靠的意思是指当序列长度趋向无穷以后,原始序列和解码后的序列之间的保真度趋向1: limnF(ρn,DnCn)=1

2.3 Shannon’s noisy channel coding theorem

  对于噪声信道N,信道容量C(N)定义为每次使用信道时可以无错误地传输的最大信息量。 C(N)=maxp(x)I(X;Y)

2.4 Holevo-Schumacher-Westmoreland (HSW) theorem

  假设编码函数将序列x=(x1,,xn)映射为张量积形式的密度矩阵ρ1ρ2,这种前提下的信道容量记为C(1)(E)。假设E具有保迹性。 C(1)(E)=χ(E)max{pj,ρj}[S(E(jpjρj))jpjS(E(ρj))]

对于编码函数将经典信息编码为纠缠态的情况,猜测其信道容量的上限也为上式,但是还没有得到证明。