[논문 리뷰] Optimal Estimation of Low Rank Density Matrices

Vladimir Koltchinskii, Dong Xia|arXiv (Cornell University)|2015. 07. 17.

Sparse and Compressive Sensing Techniques참고 문헌 26인용 수 17

한 줄 요약

이 논문은 양자 상태 측정에서 트레이스 회귀 모델, 특히 파울리 측정을 고려할 때, 낮은 질량 행렬을 추정하기 위한 최소최대 하한을 설정한다. 특히, 본문은 바르게 정규화된 최소 제곱 추정량을 제안하며, 바르게 정규화된 최소 제곱 추정량은 슈바르츠 $ p $-노름, 부레스 거리, 그리고 쿨백-라이블러 발산에서 최적의 속도(로그 인자까지)를 달성한다. 이는 다양한 통계적 거리에서 추정 오차의 거의 최적성( near-optimality )을 보여준다.

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.

연구 동기 및 목표

• 양자 상태 측정에서 사용되는 트레이스 회귀 모델에서 낮은 질량 행렬을 추정하기 위한 최소최대 하한을 유도하는 것.
• 추정 오차가 질량 행렬의 질량 $ r $, 차원 $ m $, 표본 크기 $ n $ 에 따라 어떻게 의존하는지 정량화하는 것, 특히 파울리 측정의 맥락에서.
• 바르게 정규화된 최소 제곱 추정량에 대해 최상의 상한과 오라클 부등식을 수립하는 것.
• 제안된 추정량이 슈바르츠 $ p $-노름, 부레스 거리, 상대 엔트로피를 포함한 여러 통계적 거리에서 최소최대 속도(로그 인자까지)를 달성함을 보여주는 것.
• 낮은 질량 행렬의 양자 상태 복원에서 엔트로피 정규화 추정의 최적성에 대한 이론적 근거를 제공하는 것.

제안 방법

• 독립 동일분포 설계를 갖는 정규직교 기저에서의 트레이스 회귀 모델 하에서, 슈바르츠 $ p $-노름, 부레스 거리, 쿨백-라이블러 발산에서 추정 오차의 최소최대 하한을 유도한다.
• 모델 복잡도를 제어하고 낮은 질량 구조를 강제하기 위해 바르게 정규화된 최소 제곱 추정량을 제안한다.
• 정규화 파rameter $ \varepsilon $ 는 $ \varepsilon = \frac{U}{\log(mn)} \sqrt{\frac{\log(2m)}{nm}} $ 로 조정되며, 여기서 $ U $ 는 기저 원소의 연산자 노름을 상한으로 둔다.
• 집중 부등식과 보간 기법을 적용하여 $ q \in [1,2] $ 에 대해 $ L^q $-노름에서 추정 오차를 근사한다. 이는 슈바르츠 노름과 트레이스 노름 간의 관계를 활용한다.
• 핵심 레마(레마 23)를 사용하여 추정 오차의 $ L^1 $-노름을 참조된 헬링거 거리와 진짜 밀도 행렬의 질량에 연결함으로써 제어한다.
• 소음의 尾부 확률과 연산자 노름 제어를 이용하여 추정 오차에 대한 고확률 상한(확률 최소 $ 1 - m^{-2} $)을 수립한다.

실험 결과

연구 질문

• RQ1 트레이스 회귀 모델에서 파울리 측정을 고려할 때, 낮은 질량 행렬을 추정하기 위한 최소최대 하한은 무엇인가?
• RQ2 다양한 통계적 거리에서 추정 오차는 질량 $ r $, 차원 $ m $, 표본 크기 $ n $ 에 따라 어떻게 척도화되는가?
• RQ3 바르게 정규화된 최소 제곱 추정량이 여러 거리에서 최소최대 최적 속도(로그 인자까지)를 달성할 수 있는가?
• RQ4 정규화 파rameter $ \varepsilon $ 는 낮은 질량 행렬 추정에서 편향과 분산을 균형 잡는 데 어떤 역할을 하는가?
• RQ5 측정 기저의 구조(예: 파울리 기저)는 추정 속도에 어느 정도 영향을 미치는가?

주요 결과

• 슈바르츠 $ q $-노름 추정에 대한 최소최대 하한은 $ \frac{m r^{1/q}}{\sqrt{n}} \wedge \left(\frac{m}{\sqrt{n}}\right)^{1 - 1/q} \wedge 2 $ 이며, 이는 로그 인자까지 상한과 일치한다.
• 핵심 노름, 제곱 헬링거 거리, 쿨백-라이블러 거리의 경우, $ m r \lesssim \sqrt{n} $ 를 만족할 때 최소최대 속도는 $ \frac{m r}{\sqrt{n}} $ 이며, 이 속도는 정규화된 추정량에 의해 달성된다.
• 추정량 $ \tilde{\rho}^\varepsilon $ 는 고확률 $ 1 - m^{-2} $ 에서 $ \|\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 $ 를 만족하며, 이는 최소최대 속도(로그 인자까지)를 일치시킨다.
• 부레스 거리와 쿨백-라이블러 발산은 $ C \frac{U m^{3/2} r}{\sqrt{n}} \sqrt{\log m} \log(mn) $ 로 제한되며, 이는 로그 인자까지 최적이다.
• 증명은 새로운 보간 부등식과 핵심 레마(레마 23)에 기반하며, 이는 오차의 $ L^1 $-노름을 헬링거 거리와 진짜 상태의 질량에 연결한다.
• 유계 반응의 경우(예: $ U = m^{-1/2} $ 인 파울리 기저), $ n \gtrsim \log m $ 와 같은 온건한 조건 하에서 속도는 여전히 최소최대 최적이다.