[論文レビュー] Matrix factorizations of correlation matrices and applications

Anupam Prakash, Antonios Varvitsiotis|arXiv (Cornell University)|Feb 21, 2017

Quantum Computing Algorithms and Architecture被引用数 2

ひとこと要約

本稿は、量子情報理論におけるクライフォード代数と関連する相関行列の行列値グラム分解を導入する。完全正定値半定値行列の指数的でないcpsdランクが存在することの明快な証明を提供し、極端な相関に対する量子系次元のツィレルソンの下界を一般化する。

ABSTRACT

We introduce a notion of matrix valued Gram decompositions for correlation matrices whose study is motivated by quantum information theory. We show that for extremal correlations, the matrices in such a factorization generate a Clifford algebra and thus, their size is exponential in terms of the rank of the correlation matrix. Using this we give a self-contained and succinct proof of the existence of completely positive semidefinite matrices with sub-exponential cpsd-rank, recently derived in the literature. This fact also underlies and generalizes Tsirelson's seminal lower bound on the local dimension of a quantum system necessary to generate an extreme quantum correlation.

研究の動機と目的

• 量子情報理論に由来する相関行列の行列値グラム分解を導入すること。
• 生成行列の代数的構造を通じて極端な量子相関を分析すること。
• 相関行列のランクとその因子化における行列サイズの関係を確立すること。
• 完全正定値半定値行列の指数的でないcpsdランクが存在することの自己完結的証明を提供すること。
• ツィレルソンの極端な量子相関を生成するために必要な局所量子次元の下界を一般化すること。

提案手法

• 標準的グラム分解の一般化として、相関行列の行列値グラム分解を定義すること。
• 極端な相関に対して、因子化行列がクライフォード代数を生成することを示すこと。
• クライフォード代数の代数的性質を用いて、このような因子化における最小行列サイズを評価すること。
• 行列サイズが相関行列のランクに指数的に増加することを導出すること。
• この構造を用いて、相関行列の完全正定値半定値ランク（cpsdランク）を分析すること。
• 代数的枠組みを用いて、指数的でないcpsdランクの存在に関する証明を再構築・簡略化すること。

実験結果

リサーチクエスチョン

• RQ1 行列値グラム分解を用いた極端な相関行列を因子化するために必要な最小行列サイズは何か？
• RQ2 因子化行列の代数的性質は、量子相関の構造にどのような制約を課えるか？
• RQ3 代数的手段を用いて、指数的でないcpsdランクを有する完全正定値半定値行列の存在を証明できるか？
• RQ4 極端な相関に内在するクライフォード代数構造は、ツィレルソンの次元下界をどの程度一般化できるか？
• RQ5 相関行列のランクとその行列値因子化のサイズの関係は何か？

主な発見

• 極端な相関に対して、因子化に用いられる行列はクライフォード代数を生成し、相関行列のランクに対して指数関数的に行列サイズが増加する。
• 本稿は、完全正定値半定値行列の指数的でないcpsdランクが存在することの自己完結的かつ簡潔な証明を提供する。
• この結果は、極端な量子相関を生成するために必要な局所量子次元のツィレルソンの画期的な下界を一般化する。
• 行列値グラム分解は、極端な量子相関に内在する深い代数的構造を明らかにする。
• クライフォード代数と因子化サイズの関係は、このような表現の効率性に根本的な限界を設ける。
• この枠組みは、既存のcpsdランクに関する結果を統合・簡略化し、一貫した代数的設定に統合する。