[논문 리뷰] Learning Low-Degree Quantum Objects

Srinivasan Arunachalam, Arkopal Dutt외 2명|arXiv (Cornell University)|2024. 01. 01.

Quantum Computing Algorithms and Architecture인용 수 2

한 줄 요약

이 논문은 저도수 양자 물체—특히 n-qubit 양자 채널, 유니타리, d-쿼리 양자 알고리즘에서 유도된 다항식—을 학습하기 위한 정보이론적 쿼리 복잡도 상한을 제시한다. 이는 양자 환경에 맞게 조정된 새로운 보넨블루스트-힐레(BH) 부등식을 통해 달성된다. 이 논문은 차수 d의 양자 물체가 n에 독립적으로 O(1/ε^d) 쿼리로 학습 가능하다는 것을 증명하며, 유계 다중선형 다항식의 고전적 학습은 O((1/ε)^d log n) 개의 랜덤 샘플을 필요로 하며, 이는 새로운 완전 유계 BH 부등식을 통해 ε와 d에 대해 최적의 의존도를 달성한다. 이 부등식의 상수는 정확히 1이다.

ABSTRACT

We consider the problem of learning low-degree quantum objects up to $\varepsilon$-error in $\ell_2$-distance. We show the following results: $(i)$ unknown $n$-qubit degree-$d$ (in the Pauli basis) quantum channels and unitaries can be learned using $O(1/\varepsilon^d)$ queries (independent of $n$), $(ii)$ polynomials $p:\{-1,1\}^n ightarrow [-1,1]$ arising from $d$-query quantum algorithms can be classically learned from $O((1/\varepsilon)^d\cdot \log n)$ many random examples $(x,p(x))$ (which implies learnability even for $d=O(\log n)$), and $(iii)$ degree-$d$ polynomials $p:\{-1,1\}^n o [-1,1]$ can be learned through $O(1/\varepsilon^d)$ queries to a quantum unitary $U_p$ that block-encodes $p$. Our main technical contributions are new Bohnenblust-Hille inequalities for quantum channels and completely bounded~polynomials.

연구 동기 및 목표

• 저도수 양자 물체가 n에 다항수 또는 다항로그 수준의 쿼리 복잡도로 학습 가능한지 여부라는 근본적인 질문을 다루기 위해.
• 특히 양자 연산자와 텐서를 위한 비가환성 및 완전 유계 변형 보넨블루스트-힐레 부등식을 포함한 새로운 분석 도구를 개발하기 위해.
• d-쿼리 양자 알고리즘에서 유도된 양자 채널, 유니타리, 다항식을 학습하기 위한 쿼리 및 샘플 복잡도에 대한 엄밀한 정보이론적 상한을 확립하기 위해.
• 완전 유계 BH 부등식의 상수 값을 정확히 규명하여, 이 값이 정확히 1임을 보여주며, 기존 양자 학습 이론의 상한을 더욱 정밀하게 개선하기 위해.

제안 방법

• 새로운 비가환 보넨블루스트-힐레 부등식을 유도하여, 차수 d의 채널에 대한 파울리 계수 bΦ(x,y)가 ∑|bΦ(x,y)|^{2d/(d+1)} ≤ C 를 만족하며, S1 → S∞ 노름에서 C = 1임을 보였다.
• 완전 유계 d-선형 형식을 위한 BH 부등식의 변형을 제안하여, ‖bT‖_{2d/(d+1)} ≤ ‖T‖_{cb} 를 증명하였으며, 등호가 달성 가능하므로 정확한 상수 1임을 입증하였다.
• 블라이의 부등식과 새로운 완전 유계 노름 하한(보조정리 21)을 활용하여, 완전 유계 BH 부등식의 상수의 정확성(최적성)을 증명하였다.
• 새로운 BH 부등식을 적용하여, d-쿼리 양자 알고리즘이 생성하는 진폭이 완전 유계 텐서임을 보이고, 이로 인해 랜덤 예시로부터 효율적인 고전적 학습이 가능함을 보였다.
• 차수 d의 다항식을 포함하는 블록 인코딩을 가진 유니타리에 대한 쿼리 액세스를 활용하여, O(1/ε^d) 쿼리로 유니타리를 학습함을 보였다.
• 새로운 BH 부등식을 활용하여, {−1,1}^n 위에서 유계 다중선형 다항식의 고전적 학습에 대한 샘플 복잡도 상한을 유도하였다.

실험 결과

연구 질문

• RQ1 n-큐비트 양자 채널과 차수 d의 유니타리는 n에 독립적이고 1/ε에 다항식 수준의 쿼리 복잡도로 학습될 수 있는가?
• RQ2 d-선형 형식에 대한 완전 유계 보넨블루스트-힐레 부등식의 최적 상수는 무엇이며, 이를 정확히 특성화할 수 있는가?
• RQ3 {−1,1}^n 위에서 차수 d의 다항식을 유계로 가정할 때, 샘플 복잡도가 d와 ε에만 의존하고 n에 독립적으로 학습 가능한가? 특히 d = O(log n)일 경우에도 가능한가?
• RQ4 양자 채널 및 초연산자에 대한 비가환 BH 부등식은 고전적 또는 그로텐디크 유형의 부등식과 어떻게 비교되는가?
• RQ5 차수 d의 다항식의 블록 인코딩에 대한 양자 쿼리 액세스를 통해 O(1/ε^d) 쿼리로 효율적인 학습이 가능한가?

주요 결과

• 완전 유계 보넨블루스트-힐레 부등식의 최적 상수는 정확히 1이며, 이는 이전의 poly(d) 상한에 비해 극적으로 향상된 결과이다.
• 알 수 없는 n-큐비트 양자 채널과 차수 d의 유니타리는 n에 독립적으로 O(1/ε^d) 쿼리로 ℓ² 오차 ε 이내로 학습 가능하다.
• 다항식 f : {−1,1}^n → [−1,1]의 차수 d 다중선형 다항식은 고전적으로 O((1/ε)^d log n) 개의 랜덤 예시 (x,f(x))로부터 높은 확률로 학습 가능하다.
• 유니타리 U_p에 블록 인코딩된 다항식은 O(1/ε^d) 쿼리로 U_p에 대한 양자 쿼리 액세스를 통해 학습 가능하다.
• 새로운 양자 채널에 대한 BH 부등식은 파울리 계수가 ∑|bΦ(x,y)|^{2d/(d+1)} ≤ 1 를 만족함을 보여주며, 이는 이전의 exp(d) 상한에 비해 향상된 결과이다.
• 이 결과는 학습 복잡도가 d와 ε에만 의존하고 n에 의존하지 않음을 의미하며, 저도수 양자 물체에 대한 효율적 학습 가능성을 해결함에 있어 주요 질문에 대한 긍정적 해답을 제시한다.