[论文解读] Bitwise Quantum Min-Entropy Sampling and New Lower Bounds for Random Access Codes

Jürg Wullschleger|arXiv (Cornell University)|Dec 10, 2010

Complexity and Algorithms in Graphs参考文献 11被引用 6

一句话总结

本文提出了两个新的量子极小熵采样定理，克服了先前工作的局限性，实现了按位采样并为非平滑极小熵提供了紧致界。关键贡献是为 $k$-out-of-$n$ 随机访问码建立了一个新的下界，表明当存储速率严格低于 1 时，解码成功概率随 $k$ 指数衰减，该结果为最优，优于以往需要存储率低于 $0.7n$ 的结果。

ABSTRACT

Min-entropy sampling gives a bound on the min-entropy of a randomly chosen subset of a string, given a bound on the min-entropy of the whole string. König and Renner showed a min-entropy sampling theorem that holds relative to quantum knowledge. Their result achieves the optimal rate, but it can only be applied if the bits are sampled in blocks, and only gives weak bounds for the non-smooth min-entropy. We give two new quantum min-entropy sampling theorems that do not have the above weaknesses. The first theorem shows that the result by König and Renner also applies to bitwise sampling, and the second theorem gives a strong bound for the non-smooth min-entropy. Our results imply a new lower bound for k-out-of-n random access codes: while previous results by Ben-Aroya, Regev, and de Wolf showed that the decoding probability is exponentially small in k if the storage rate is smaller than 0.7, our results imply that this holds for any storage rate strictly smaller than 1, which is optimal.

研究动机与目标

• 克服 König 和 Renner 的量子极小熵采样定理中块采样的限制，该限制使方法仅适用于块状采样，并对非平滑极小熵给出弱界。
• 建立一个强大且通用的量子极小熵采样定理，适用于按位采样，简化协议设计并消除人为的分块分组步骤。
• 通过利用新采样定理，为 $k$-out-of-$n$ 随机访问码推导出显著改进的下界，尤其在高存储率情形下。
• 通过证明当存储接近满容量（$m < n$）时，成功概率仍呈指数衰减，填补了已知随机访问码下界之间的差距，实现最优性。
• 提供一个更简洁的量子极小熵采样证明框架，避免先前方法的复杂性，同时为非平滑极小熵提供更强的界。

提出的方法

• 提出一个新的量子极小熵采样定理（定理 5），适用于从 $n$-比特字符串 $X$ 中对大小为 $k$ 的子集 $T$ 进行均匀随机的按位采样，给定一个 cq-态 $\rho_{XQ}$。
• 采用基于异或猜测概率的混合论证：通过分析所有子集大小 $j$ 的最大异或猜测概率，来界定给定 $T$ 和 $Q$ 时 $X_T$ 的极小熵。
• 应用集中不等式（引理 2）表明，选择较小子集（$j \leq k/4$）的概率呈指数级小，因此可忽略不计。
• 利用引理 5，通过平滑参数 $\varepsilon$ 控制初始极小熵条件，来界定较大子集（$j' > k/4$）的最大异或猜测概率 $p_{j'}$。
• 推导出对初始极小熵 $H_{\min}(X|Q)$ 的条件，以确保最终极小熵 $H_{\min}(X_T|TQ)$ 超过目标值 $\log(1/p)$，从而实现采样定理。
• 通过将采样定理应用于随机访问码，将经典字符串 $X$ 的极小熵与量子系统 $Q$ 的大小联系起来，利用当 $Q$ 最多包含 $(1-\varepsilon)n$ 量子比特时 $H_{\min}(X|Q) \geq \varepsilon n$ 的事实。

实验结果

研究问题

• RQ1 König 和 Renner 的量子极小熵采样定理能否扩展到按位采样，从而消除对块状采样的依赖？
• RQ2 在量子设置中，能否为非平滑极小熵推导出更强的界，特别是在随机访问码等应用中？
• RQ3 当存储率任意接近 1 时，$k$-out-of-$n$ 随机访问码的成功概率的最紧可能下界是什么？
• RQ4 能否简化量子极小熵采样证明技术，同时保持或优于先前工作的界？
• RQ5 新采样定理是否允许对 $k$ 个不相交问题的一方通信复杂度建立更强的下界？

主要发现

• 本文建立了新的量子极小熵采样定理（定理 5），适用于按位采样，消除了对块状采样的需求，简化了协议分析。
• 新采样定理为非平滑极小熵提供了强界：当初始极小熵 $H_{\min}(X|Q) \geq cn$ 时，给定 $T$ 和 $Q$ 的采样子集 $X_T$ 的条件极小熵至少为 $\frac{H^{-1}(c/2)}{6}k - 5$ 比特。
• 该结果意味着推论 2：对于任意 $\varepsilon > 0$，若 $k$-out-of-$n$ 随机访问码的存储率不超过 $(1-\varepsilon)n$，则其成功概率至多为 $2^{-\Omega(k)}$，该结果为最优。
• 该界优于 Ben-Aroya、Regev 和 de Wolf 的先前工作，后者要求存储率低于 $0.7n$ 才能实现 $k$ 的指数衰减。
• 新界意味着对 $k$ 个独立的不相交问题的一方通信复杂度有强下界，如 [BARdW08] 中所建立的联系所示。
• 主采样定理的证明远比 König 和 Renner 的方法更简洁，依赖于异或猜测概率分析和集中不等式，而非复杂的平滑化论证。