[論文レビュー] Optimal Estimation of Low Rank Density Matrices

Vladimir Koltchinskii, Dong Xia|arXiv (Cornell University)|Jul 17, 2015

Sparse and Compressive Sensing Techniques参考文献 26被引用数 17

ひとこと要約

この論文は、パウリ測定を伴うトレース回帰モデルにおける量子状態トモグラフィーの文脈で、低ランク密度行列の推定に対するミニマックス下界を確立する。特に、フォン・ノイマンエントロピー正則化を施した最小二乗推定量を提案し、シュレーディンガー $ p $-ノルム、ブーレス距離、およびカルバック・ライブラーダイバージェンスの観点から、対数要因を除いて最適なレートを達成することを示している。これは、さまざまな統計的距離における推定誤差の近似的最適性を示している。

ABSTRACT

The density matrices are positively semi-definite Hermitian matrices of unit trace that describe the state of a quantum system. The goal of the paper is to develop minimax lower bounds on error rates of estimation of low rank density matrices in trace regression models used in quantum state tomography (in particular, in the case of Pauli measurements) with explicit dependence of the bounds on the rank and other complexity parameters. Such bounds are established for several statistically relevant distances, including quantum versions of Kullback-Leibler divergence (relative entropy distance) and of Hellinger distance (so called Bures distance), and Schatten $p$-norm distances. Sharp upper bounds and oracle inequalities for least squares estimator with von Neumann entropy penalization are obtained showing that minimax lower bounds are attained (up to logarithmic factors) for these distances.

研究の動機と目的

• 量子状態トモグラフィーに用いられるトレース回帰モデルにおける低ランク密度行列の推定に対するミニマックス下界を導出すること。
• 推定誤差がランク $ r $、次元 $ m $、標本サイズ $ n $ にどのように依存するかを特定すること、特にパウリ測定の文脈において。
• フォン・ノイマンエントロピーで正則化された最小二乗推定量の鋭い上界およびオракル不等式を確立すること。
• 提案された推定量が、シュレーディンガー $ p $-ノルム、ブーレス距離、相対エントロピーを含む複数の統計的距離において、ミニマックスレート（対数要因を除いて）を達成することを示すこと。
• 低ランク量子状態回復におけるエントロピー正則化推定の最適性に対する理論的根拠を提供すること。

提案手法

• 正規直交基底からのi.i.d.設計を伴うトレース回帰モデルにおいて、シュレーディンガー $ p $-ノルム、ブーレス距離、およびカルバック・ライブラーダイバージェンスにおける推定誤差のミニマックス下界を導出する。
• モデルの複雑さを制御し、低ランク構造を強制するために、フォン・ノイマンエントロピーで正則化された最小二乗推定量を提案する。
• 正則化パラメータ $ \varepsilon $ を $ \varepsilon = \frac{U}{\log(mn)} \sqrt{\frac{\log(2m)}{nm}} $ として調整し、ここで $ U $ は基底要素の作用素ノルムの上限を表す。
• 集中不等式と補間技術を用いて、$ q \in [1,2] $ における $ L^q $-ノルムにおける推定誤差を評価し、シュレーディンガーノルムとトレースノルムの関係を活用する。
• 推定誤差の $ L^1 $-ノルムを、ヘリンジャー距離と真の密度行列のランクに関連付けるために、鍵となる補題（補題23）を用いる。
• ノイズの尾部確率と作用素ノルムの制御を用いて、確率 $ 1 - m^{-2} $ 以上で推定誤差の高確率界を確立する。

実験結果

リサーチクエスチョン

• RQ1 パウリ測定を伴うトレース回帰モデルにおける低ランク密度行列の推定に対するミニマックス下界は何か？
• RQ2 さまざまな統計的距離において、推定誤差はランク $ r $、次元 $ m $、標本サイズ $ n $ にどのように依存するか？
• RQ3 フォン・ノイマンエントロピーで正則化された最小二乗推定量は、複数の距離においてミニマックス最適レート（対数要因を除いて）を達成できるか？
• RQ4 正則化パラメータ $ \varepsilon $ は、低ランク密度行列推定におけるバイアスとバリアンスのバランスをどのように果たすか？
• RQ5 測定基底の構造（例えばパウリ基底）は、推定レートにどの程度影響を与えるか？

主な発見

• シュレーディンガー $ q $-ノルム推定のミニマックス下界は $ \frac{m r^{1/q}}{\sqrt{n}} \wedge \left(\frac{m}{\sqrt{n}}\right)^{1 - 1/q} \wedge 2 $ であり、これは対数要因を除いて上界と一致する。
• 核ノルム、二乗ヘリンジャー距離、およびカルバック・ライブラーダイバージェンスにおいて、ミニマックスレートは $ \frac{m r}{\sqrt{n}} $ であり、$ m r \lesssim \sqrt{n} $ の条件下で達成可能であり、このレートは正則化推定量によって達成される。
• 推定量 $ \tilde{\rho}^\varepsilon $ は、高確率 $ 1 - m^{-2} $ で $ \|\tilde{\rho}^\varepsilon - \rho\|_q \leq C \left( \frac{U m^{3/2} r^{1/q}}{\sqrt{n}} \sqrt{\log m} \log^{(2-q)/q}(mn) \right) \wedge 2 $ を満たし、ミニマックスレート（対数要因を除いて）を達成する。
• ブーレス距離およびカルバック・ライブラーダイバージェンスは $ C \frac{U m^{3/2} r}{\sqrt{n}} \sqrt{\log m} \log(mn) $ で抑えられ、これは対数要因を除いて最適である。
• 証明は、新規の補間不等式と、誤差の $ L^1 $-ノルムをヘリンジャー距離と真の状態のランクに関連付ける集中補題（補題23）に依存している。
• 有界応答の場合（例えば $ U = m^{-1/2} $ であるパウリ基底）、$ n \gtrsim \log m $ のような $ n $ に対する弱い条件下でも、レートはミニマックス最適のままである。