[論文レビュー] Quantum Data Compression and Quantum Cross Entropy

Zhou Shangnan|arXiv (Cornell University)|Jun 25, 2021

Quantum Computing Algorithms and Architecture参考文献 17被引用数 10

ひとこと要約

本論文は、量子クロスエントロピー $ S(\rho,\sigma) = -\text{tr}(\rho \log \sigma) $ を、最適でない量子ソースコーディングにおける圧縮レートとして実装する普遍的な量子データ圧縮プロトコルを導入する。量子強力典型性と、真のソース $ \rho $ を認識されたモデル $ \sigma $ に一致させるユニタリ変換を活用することで、典型部分空間への射影が行われ、その圧縮は忠実性を保ち、そのレートは量子クロスエントロピーに等しくなる。これは $ \sigma = \rho $ のとき、フォン・ノイマンエントロピーに最小化される。これにより、量子クロスエントロピーが量子機械学習における自然な損失関数であることが示された。

ABSTRACT

The emerging field of quantum machine learning has the potential of revolutionizing our perspectives of quantum computing and artificial intelligence. In the predominantly empirical realm of quantum machine learning, a theoretical void persists. This paper addresses the gap by highlighting the quantum cross entropy, a pivotal counterpart to the classical cross entropy. We establish quantum cross entropy's role in quantum data compression, a fundamental machine learning task, by demonstrating that it acts as the compression rate for sub-optimal quantum source coding. Our approach involves a novel, universal quantum data compression protocol based on the quantum generalization of variable-length coding and the principle of quantum strong typicality. This reveals that quantum cross entropy can effectively serve as a loss function in quantum machine learning algorithms. Furthermore, we illustrate that the minimum of quantum cross entropy aligns with the von Neumann entropy, reinforcing its role as the optimal compression rate and underscoring its significance in advancing our understanding of quantum machine learning's theoretical framework.

研究の動機と目的

• 量子クロスエントロピーの基礎的役割を確立することで、量子機械学習における理論的ギャップを埋める。
• 量子クロスエントロピーを量子データ圧縮における圧縮レートとしての操作的解釈を与える。
• 量子強力典型性と可変長コーディングの原則に基づいた、物理的に妥当な普遍的な量子圧縮プロトコルを開発する。
• 量子クロスエントロピーを最小化することで、フォン・ノイマンエントロピーに等しい最適圧縮レートが得られることを示す。
• 量子クロスエントロピーを量子機械学習アルゴリズムの代替損失関数として位置づける。

提案手法

• 認識された量子ソース状態 $ \sigma $ から計算基底を構築し、これはモデルパラメータとして機能する。
• 真のソース状態 $ \rho $ を $ \sigma $ が定義する基底に一致させるためにユニタリ変換 $ U $ を適用する。これにより、典型列に一致するようになる。
• 変換された状態 $ U\rho U^\dagger $ を、量子強力典型性で定義される部分空間に射影し、全コードワード長が $ [NS(\rho,\sigma) - \epsilon, NS(\rho,\sigma) + \epsilon] $ の範囲に収まるようにする。
• 典型性条件の下で、高い忠実度 $ \geq 1 - \delta $ を保証するため、射影演算子 $ \Pi $ を用いて典型列を特定する。
• 圧縮状態を $ U^\dagger $ を用いて元の基底に戻すことで、圧縮プロトコルを完了する。
• 平均圧縮長を $ \langle l \rangle = S(\rho, \sigma) $ として定量化し、これが圧縮レートとしての役割を果たすことを示す。

実験結果

リサーチクエスチョン

• RQ1 量子クロスエントロピーは、量子ソースコーディングにおける圧縮レートとして操作的に解釈可能か？
• RQ2 モデルベースのアプローチを用いて、任意の量子ソースに対する量子データ圧縮をどのように一般化できるか？
• RQ3 量子クロスエントロピーと最適圧縮レート（フォン・ノイマンエントロピー）の関係は何か？
• RQ4 量子クロスエントロピーは、最小値がフォン・ノイマンエントロピーである場合に、量子機械学習における損失関数として機能可能か？
• RQ5 このプロトコルは、異なるソース状態に対して普遍的であると同時に、高忠実度圧縮をどのように保証するか？

主な発見

• 量子クロスエントロピー $ S(\rho, \sigma) $ は、最適でない量子ソースコーディングにおける圧縮レートとして操作的に解釈される。
• 忠実度 $ \geq 1 - \delta $ の高忠実度圧縮が達成され、ここで $ \delta $ は典型性からの逸脱確率である。
• 量子クロスエントロピーを $ \sigma $ に関して最小化すると、フォン・ノイマンエントロピー $ S(\rho) $ に一致し、これが最適圧縮レートであることが確認される。
• $ \sigma = \rho $ のとき、圧縮レート $ S(\rho, \sigma) $ は理論的下限 $ S(\rho) $ に達し、その最適性が裏付けられる。
• プロトコルは普遍的であり、密度行列で表現可能な任意の量子ソースに適用可能であり、厳密な典型性制約を緩和することでシューマッハャー圧縮を一般化する。
• 整数量子ビット数が要求される場合、圧縮レート $ \langle l \rangle \in [S(\rho,\sigma), S(\rho,\sigma) + 1) $ となるため、実装可能性が保証される。