[論文レビュー] Interpolation of Density Matrices and Matrix-Valued Measures: The Unbalanced Case

Yongxin Chen, Tryphon T. Georgiou+1 more|arXiv (Cornell University)|Dec 18, 2016

Geometric Analysis and Curvature Flows参考文献 13被引用数 7

ひとこと要約

本稿では、行列 Wasserstein 距離と Fisher-Rao 情報を用いて、密度行列と行列値測度の間を補間する非平衡量子最適輸送フレームワークを提案する。源項を含む行列設定における Benamou-Brenier 流体的定式化の一般化により、質量の不均衡が生じる状況下での補間を可能にする凸最適化問題を定式化し、非平衡行列値分布にリーマン構造を提供する。

ABSTRACT

In this note, we propose an unbalanced version of the quantum mechanical version of optimal mass transport that was based on the Lindblad equation. We formulate a natural interpolation framework between density matrices and matrix-valued measures via a quantum mechanical formulation of Fisher-Rao information and the matricial Wasserstein distance.

研究の動機と目的

• 標準的な最適輸送が、質量の合計が異なる画像やスペクトルなどの非平衡分布を扱えないという制限を解消すること。
• 源項を含む連続の式を用いて、量子力学的最適輸送定式化を非平衡状態に拡張すること。
• 行列値測度における行列 Wasserstein 距離と Fisher-Rao 情報を統合すること。
• 量子および信号処理の文脈における非平衡補間の数値計算のための凸最適化フレームワークを開発すること。
• 質量保存が成り立たないマルチモーダル、マルチスペクトル、マルチセンサデータの補間を可能にすること。

提案手法

• 源項を含む連続の式を用いた動的最適輸送問題を定式化：∂ρ/∂t + ∇L*(ρv + vρ) = s、ここで s は質量の生成・消滅を表す。
• 行列 Wasserstein 項と Fisher-Rao に類似した項を組み合わせた変分的エネルギー汎関数を導入：∫₀¹∫(ρ‖v‖² + αs²)dxdt。
• Lindblad 生成子と行列対数微分を用いて、密度行列の空間にリーマン計量を定義する。
• 随伴 Lindblad 演算子と行列値ベクトル場を用いて、エントロピーおよび相対エントロピーの勾配流を導出する。
• 凸最適化を用いて、密度行列と行列値測度の間の補間を実現するフレームワークを適用する。
• 行列 Fisher-Rao 情報と非平衡連続の式を用いて、スカラー非平衡輸送を行列設定に一般化する。

実験結果

リサーチクエスチョン

• RQ1 標準的な最適輸送枠組みは、量子および信号処理の文脈において、非平衡行列値測度を扱うためにどのように一般化可能か？
• RQ2 非平衡輸送の文脈において、Fisher-Rao 度合いの適切な行列アナログは何か？
• RQ3 非平衡量子輸送に対して、リーマン構造を保ちつつ、凸最適化定式化を導出できるか？
• RQ4 提案された非平衡行列 Wasserstein 度合いの下で、エントロピーおよび相対エントロピーの勾配流はどのように振る舞うか？
• RQ5 源項 s は、定義された計量構造を維持しつつ、どのように質量の不均衡を可能にするか？

主な発見

• 提案された非平衡量子最適輸送フレームワークは、凸最適化を用いて、行列値測度の空間に適切に定義された計量を定義する。
• 源項 s を含むエネルギー汎関数は、Benamou-Brenier 動的定式化を行列設定に一貫的に一般化する。
• 非平衡行列 Wasserstein 度合いの下でのエントロピーの勾配流は、ρ̇(t) = -½∇L*(ρ∇Llogρ + ∇Llogρ·ρ) - 1/α logρ として導出される。
• 相対エントロピーの勾配流は、ρ̇(t) = -½∇L*(ρ∇L(ρ−ρ̂) + ∇L(ρ−ρ̂)·ρ) - 1/α(ρ(ρ−ρ̂) + (ρ−ρ̂)ρ) で与えられる。
• このフレームワークは、非平衡密度行列と行列値測度の間の補間を可能にし、凸最適化による数値的解法が可能である。
• この手法は、合計質量が保存されないマルチセンサ、マルチスペクトル、マルチモーダルデータに適用可能である。