[論文レビュー] Optimal Experiment Design for Quantum State and Process Tomography and Hamiltonian Parameter Estimation

Robert L. Kosut, Ian A. Walmsley+1 more|ArXiv.org|Nov 12, 2004

Quantum Information and Cryptography参考文献 31被引用数 30

ひとこと要約

本稿では、最大尤度推定（MLE）と凸最適化を用いて、量子状態および過程トモグラフィー、およびハミルトニアンパラメータ推定における最適実験設計（OED）の統一枠組みを提示する。すべての推定問題、特にハミルトニアンパラメータ推定を含め、これらが凸最適化問題として定式化可能であり、グローバル最適解への保証付きで効率的かつ正確に解けることを示している。

ABSTRACT

A number of problems in quantum state and system identification are addressed. Specifically, it is shown that the maximum likelihood estimation (MLE) approach, already known to apply to quantum state tomography, is also applicable to quantum process tomography (estimating the Kraus operator sum representation (OSR)), Hamiltonian parameter estimation, and the related problems of state and process (OSR) distribution estimation. Except for Hamiltonian parameter estimation, the other MLE problems are formally of the same type of convex optimization problem and therefore can be solved very efficiently to within any desired accuracy. Associated with each of these estimation problems, and the focus of the paper, is an optimal experiment design (OED) problem invoked by the Cramer-Rao Inequality: find the number of experiments to be performed in a particular system configuration to maximize estimation accuracy; a configuration being any number of combinations of sample times, hardware settings, prepared initial states, etc. We show that in all of the estimation problems, including Hamiltonian parameter estimation, the optimal experiment design can be obtained by solving a convex optimization problem. Software to solve the MLE and OED convex optimization problems is available upon request from the first author.

研究の動機と目的

• 量子系における推定精度を最大化する実験設計の課題に取り組むこと、特に不完全性やノイズが存在する状況において。
• 従来の量子状態および過程トモグラフィーにおける制限を克服するため、最適実験設計（OED）と最大尤度推定（MLE）を統合すること。
• MLEを量子過程トモグラフィー（OSR推定）およびハミルトニアンパラメータ推定に拡張し、これらが形式的に凸最適化問題と同等であることを示すこと。
• Cramér-Rao不等式の制約下で、状態、過程、ハミルトニアン推定に適用可能な統一的かつスケーラブルなOEDフレームワークを提供すること。
• 著者から要請に応じて提供可能なソフトウェアツールを通じて、実用的実装を可能にすること。

提案手法

• 最大尤度推定（MLE）を用いて、量子状態、過程（OSR）、およびハミルトニアンパラメータ推定を凸最適化問題として定式化する。
• Cramér-Rao不等式を適用し、推定誤差共分散の下界を導出し、実験設計と統計的効率性を結びつける。
• 特異値分解（SVD）およびヌル空間パrameterizationを用いて、制約付き推定問題（例えば、トレースが1の密度行列、過程写像のトレースが1）を制約なし形式に変換する。
• ベクトル化および行列表現（例：vec(ρ), vec(X)）を用い、尤度関数を複素ベクトルで表現し、トレース制約を強制する。
• 縮小されたパrameter空間におけるフィッシャー情報行列を導出し、推定分散のCramér-Rao下界（CRLB）を計算する。
• MLEおよびOED問題の両方が凸最適化に還元され、標準的な数値手法を用いて任意の精度で効率的に解けることを示す。

実験結果

リサーチクエスチョン

• RQ1 最大尤度推定（MLE）は、量子状態トモグラフィーと同様に、量子過程トモグラフィー（OSR推定）およびハミルトニアンパラメータ推定に対しても体系的かつ適用可能かつ有効であるか？
• RQ2 Cramér-Rao下界を考慮した場合、量子系同定における推定精度を実験設計によってどの程度最適化できるか？
• RQ3 状態、過程、ハミルトニアン推定のMLE問題は、構造的に正式に同等であり得るか？これにより統一的最適化フレームワークの構築が可能か？
• RQ4 これらの問題に対する最適実験設計（OED）は、凸最適化問題として定式化可能か？これによりグローバル収束性と計算効率性が保証されるか？
• RQ5 フィッシャー情報行列は、量子実験における推定精度の根本的限界をどのように定量化するか？

主な発見

• 最大尤度推定（MLE）は、量子過程トモグラフィー（OSR推定）、ハミルトニアンパラメータ推定、および状態分布推定に適用可能で効果的であり、これらすべてが凸最適化問題として定式化可能である。
• すべての推定タスクにおける最適実験設計（OED）問題は、凸最適化により解くことができ、グローバル収束性と高い精度が保証される。
• 推定誤差のCramér-Rao下界が導出され、縮小されたパラメータ空間で達成可能であることが示され、フィッシャー情報行列はSVDに基づくヌル空間パラメータ化を用いて計算される。
• 量子状態トモグラフィーにおいて、推定分散は逆フィッシャー情報行列のトレースによって下界で抑えられ、SVDを用いたトレース1制約の除去後に計算される。
• このフレームワークは、OSR分布推定およびハミルトニアンパラメータ推定へも拡張可能であり、同じ凸構造と効率的な解法パスを有する。
• MLEおよびOED問題を解くためのソフトウェアは、著者から要請に応じて提供可能であり、実験的量子情報科学への実用的導入を可能にする。