香农码的MATLAB-量子推理协议：利用量子计算力学估算预测平稳随机过程未来的所需...

简介：
本文探讨了在MATLAB环境下实现香农编码与基于量子力学原理的推理协议，以优化预测平稳随机过程未来状态所需的最小信息量。 香农代码的MATLAB量子推理协议简而言之是利用量子计算机制来估算预测静态随机过程未来所需的信息量。要了解进程动态需要多少内存？以及预测流程未来所需的条件是什么？这些问题主要通过计算力学中的统计分析方法来进行解答。 这个过程中，每个时间步可以表现为一系列可观察到的状态，类似于每次抛硬币时的结果。每一时刻的过去和将来都是确定的。一种可能是记住每一个过去的细节及其未来的演变来尝试预测未来结果。然而，计算力学并不是采用这种记忆方式而是应用等价关系于“合并”的过去状态，只要它们不同的历史在未来发生的概率相同。 然后可以在这些“合并过的”（称为因果状态）中捕捉到整个过程的动力学特性。每个因果状态会经历一种概率转移机制以进入下一个因果状态，并同时产生可观察值。这种因果状态和其产生的输出形式构成了一种边缘发射的隐马尔科夫模型，称之为ε机器。 运行这个ε机器并收集数据，可以重现一个统计上可靠的过程。要捕捉过程动力学所需内存量则由这些因果状态平稳分布的香农熵给出，这被称为（经典）统计复杂度。在量子力学中应用ε机器，则可以通过叠加原理和非正交性来降低这种统计复杂度。