[논문 리뷰] Quantum Learnability is Arbitrarily Distillable

Joe H. Jenne, David R. M. Arvidsson-Shukur|arXiv (Cornell University)|2021. 04. 19.

Quantum Computing Algorithms and Architecture참고 문헌 2인용 수 4

한 줄 요약

이 논문은 양자 부정성(negativity)이 양자 학습에서 다중 매개변수에 걸쳐 무한히, 손실 없이 피셔 정보를 농축할 수 있음을 보여준다. 이는 정보 손실 없이 무수히 많은 입력 상태를 단일 출력 상태로 압축할 수 있음을 의미한다. 핵심 결과는 양자 피셔 정보를 유지하면서 정보를 농축하는 후선택(postselection) 프로토콜로, 비고전적 가측확률분포(quasiprobabilities)를 활용해 고전적 한계를 초월해 극도로 높은 정보 농축을 실현한다.

ABSTRACT

Quantum learning (in metrology and machine learning) involves estimating unknown parameters from measurements of quantum states. The quantum Fisher information matrix can bound the average amount of information learnt about the unknown parameters per experimental trial. In several scenarios, it is advantageous to concentrate information in as few states as possible. Here, we present two "go-go" theorems proving that negativity, a narrower nonclassicality concept than noncommutation, enables unbounded and lossless distillation of Fisher information about multiple parameters in quantum learning.

연구 동기 및 목표

• 단일 매개변수 추정을 넘어서 다중매개변수 학습에서 다수의 미지 매개변수에 대한 후선택 양자 미세측정을 일반화하기.
• 다중매개변수 양자 학습 프로토콜에서 무한한 정보 농축을 가능하게 하는 비고전적 자원을 규명하기.
• 정보 농축의 기본 자원은 비상호작용성(noncommutation)이 아니라 부정성(negativity)임을 입증하기.
• 많은 양자 상태들로부터 정보를 소수의 상태로 농축하면서 손실이 없는 프로토콜을 설계하여 실험적 부담을 최소화하기.
• 가측확률분포, 양자 피셔 정보, 실험적 비용 절감 간의 이론적 프레임워크를 구축하기.

제안 방법

• 후선택 강도에 대한 펌베이션 전개를 사용해 후선택 양자 피셔 정보 행렬의 일반 공식을 유도한다.
• 고전적 및 비고전적 한계에 대한 피셔 정보 항의 경계를 기술하기 위해 카르크우드-디랙 가측확률분포를 도입한다.
• 후선택 상태의 효과적 정보량을 조절할 수 있는 조절 가능한 매개변수 t를 가진 제어된 후선택 프로토콜을 사용한다.
• 후선택 피셔 정보가 1/t² 비례로 증가함을 보여, 큰 t에 대해 무한한 농축이 가능함을 입증한다.
• 기하학적 양자성(Uhlmann 곡률)이 후선택 후에도 그대로 유지됨을 보여, 비고전적 구조의 안정성을 확인한다.
• 음수 가측확률분포가 고전적 경계를 초월하는 이상한 피셔 정보 항을 가능하게 하여 비고전적 향상을 실현함을 규명한다.

실험 결과

연구 질문

• RQ1 다수의 미지 매개변수에 대한 양자 정보를 손실 없이 많은 입력 상태에서 단일 출력 상태로 압축할 수 있는가?
• RQ2 다중매개변수 양자 학습에서 피셔 정보의 무한한 농축을 가능하게 하는 비고전적 자원은 무엇인가?
• RQ3 가측확률분포의 부정성(negativity) 존재가 양자 피셔 정보의 경계에 어떤 영향을 미치는가?
• RQ4 후선택 프로토콜은 실험 비용 절감을 위해 정보의 무결성을 유지할 수 있는가?
• RQ5 정보 농축을 위한 후선택 작용을 거친 후에도 상태의 기하학적 양자성은 유지되는가?

주요 결과

• 후선택 양자 피셔 정보 행렬은 원래 값 대비 1/t² 비례로 증가하여 큰 t에 대해 무한한 정보 농축이 가능하다.
• 카르크우드-디랙 가측확률분포의 음수 항은 피셔 정보 항이 고전적 경계를 초월할 수 있게 하여 비고전적 향상을 가능하게 한다.
• 이 프로토콜은 손실이 없다: 정보 농축 과정에서 정보가 손실되지 않으며, 전체 양자 피셔 정보 내용이 유지된다.
• 기하학적 양자성 측정값은 후선택 후에도 일정하게 유지되어 비고전적 구조의 안정성을 시사한다.
• 이 방법은 다중매개변수 추정에 일반적으로 적용 가능하며, 이전 프로토콜이 나머지 매개변수를 사전에 알 필요가 있었던 제한을 극복한다.
• 결과적으로 부정성(negativity)이 양자 학습에서 정보 농축을 위한 충분하고도 임의로 강력한 자원임을 보여준다.