[論文レビュー] Approximate Majorization

Michał Horodecki, Jonathan Oppenheim+1 more|arXiv (Cornell University)|Jun 16, 2017

Advanced Thermodynamics and Statistical Mechanics参考文献 10被引用数 9

ひとこと要約

本稿では、入力確率分布が目的の分布を正確に大きくできないが、与えられた距離δ内では近似的に大きくできるような状況に対処するため、近似的な主要化を導入する。最大勾配および最小勾配のδ-近似を定義し、主要化順序を保つとともに、主要化距離を確立することで、熱力学、量子もつれ、情報理論におけるリソース変換の近似的制約下での解析を可能にする。

ABSTRACT

Although an input distribution may not majorize a target distribution, it may majorize a distribution which is close to the target. Here we introduce a notion of approximate majorization. For any distribution, and given a distance $δ$, we find the approximate distributions which majorize (are majorized by) all other distributions within the distance $δ$. We call these the steepest and flattest approximation. This enables one to compute how close one can get to a given target distribution under a process governed by majorization. We show that the flattest and steepest approximations preserve ordering under majorization. Furthermore, we give a notion of majorization distance. This has applications ranging from thermodynamics, entanglement theory, and economics.

研究の動機と目的

• リソース変換を伴う実用的状況では正確な主要化が達成できないという制限に対処すること。
• 指定された距離δ内での目標分布からの偏差を有界に許容する近似的な主要化の概念を定義すること。
• 元の分布からδ以内のすべての分布を包含する2つの極値近似（最大勾配および最小勾配のδ-近似）を構築すること。
• これらの近似が主要化の単調性を保つことを証明し、滑らかさ処理に対して堅牢性を確保すること。
• 滑らかなシュール凹型/凸型関数にこの枠組みを適用し、近似の質を測る主要化距離を導出すること。

提案手法

• 正規化を保つために過剰質量を再分配する過程で、入力分布の最大成分をδ/2だけ増加させ、その後正規化を回復させるためにテイルを切断する2段階プロセスを用いて、最大勾配δ-近似を定義する。
• 超過質量がx*を超える部分と不足質量がy*未満の部分がそれぞれδ/2に等しくなるようなx*とy*を特定し、それらの上では成分をx*に、下ではy*に、中間では元の値に設定することで、最小勾配δ-近似を定義する。
• 最大勾配近似における切断点を決定するためl*-インデックスを用い、変更後の分布の累積和が≤1に保たれることを保証する。
• 元の分布が目標の最小勾配δ-近似を主要化する最小のδをmajorization distance δ*として導入する。
• 最大勾配δ-近似がδ近傍のすべての分布を主要化すること、および最小勾配δ-近似がδ近傍のすべての分布に主要化されることを証明する。
• 極値近似における挙動を分析することで、滑らかなシュール凹型/凸型関数への適用を実施する。

実験結果

リサーチクエスチョン

• RQ1 元の分布が目標分布の最小勾配δ-近似を主要化する最小のδは何か？
• RQ2 主要化の下で、すべてのδ近傍の分布を包含する極値分布（最大勾配および最小勾配）をどのように構築できるか？
• RQ3 これらの近似を用いた滑らかさ処理が、元の分布の主要化順序を保つかどうか？
• RQ4 リソース変換の忠実度に関して、主要化距離と偏差δの関係は何か？
• RQ5 滑らかなシュール凹型/凸型関数は、最大勾配および最小勾配δ-近似の下でどのように振る舞うか？

主な発見

• 分布pの最大勾配δ-近似は、L1ノルムにおいてpからδ以内のすべての分布を主要化する。
• pの最小勾配δ-近似は、pからδ以内のすべての分布に主要化されるため、主要化の下で最小の極値近似となる。
• 主要化距離δ*は、元の分布が目標の最小勾配δ-近似を主要化する最小のδとして定義され、このδ*がタイトであることが示されている。
• 任意のδ < δ*に対して、元の分布は目標の最小勾配δ-近似を主要化しないことが示され、δ*の最小性が証明された。
• 最大勾配および最小勾配の近似は主要化における単調性を保つため、リソース変換解析における一貫性が保証される。
• この枠組みにより、極値近似による値の上限を用いることで、滑らかなシュール凹型/凸型関数の解析が可能となり、シングルショットリソース理論におけるツールが提供される。