[논문 리뷰] Quantum Probability Estimation for Randomness with Quantum Side Information

Emanuel Knill, Yanbao Zhang외 1명|arXiv (Cornell University)|2018. 06. 12.

Quantum Mechanics and Applications참고 문헌 36인용 수 13

한 줄 요약

이 논문은 양자 측정 정보를 고려한 무작위성 생성에서 조건부 최소 엔트로피를 추정하기 위한 프레임워크인 양자 확률 추정(QPE)을 소개한다. QEF(양자 추정 요소)를 사용하여 레니 엔트로피의 거듭제곱을 제한하고, 기기 독립적 무작위성 확장을 가능하게 한다. 이는 점점 더 최적에 가까워지는 속도를 달성하며, 특히 벨 테스트 구성에서 기존 방법보다 유의미한 유한 데이터 효율성 향상을 보이며, 특정 분포에서는 시도 효율성이 최대 38배 향상된다.

ABSTRACT

We develop a quantum version of the probability estimation framework [arXiv:1709.06159] for randomness generation with quantum side information. We show that most of the properties of probability estimation hold for quantum probability estimation (QPE). This includes asymptotic optimality at constant error and randomness expansion with logarithmic input entropy. QPE is implemented by constructing model-dependent quantum estimation factors (QEFs), which yield statistical confidence upper bounds on data-conditional normalized Rényi powers. This leads to conditional min-entropy estimates for randomness generation. The bounds are valid for relevant models of sequences of experimental trials without requiring independent and identical or stationary behavior. QEFs may be adapted to changing conditions during the sequence and trials can be stopped any time, such as when the results so far are satisfactory. QEFs can be constructed from entropy estimators to improve the bounds for conditional min-entropy of classical-quantum states from the entropy accumulation framework [Dupuis, Fawzi and Renner, arXiv:1607.01796]. QEFs are applicable to a larger class of models, including models permitting experimental devices with super-quantum but non-signaling behaviors and semi-device dependent models. The improved bounds are relevant for finite data or error bounds of the form $e^{-κs}$, where $s$ is the number of random bits produced. We give a general construction of entropy estimators based on maximum probability estimators, which exist for many configurations. For the class of $(k,2,2)$ Bell-test configurations we provide schemas for directly optimizing QEFs to overcome the limitations of entropy-estimator-based constructions. We obtain and apply QEFs for examples involving the $(2,2,2)$ Bell-test configuration to demonstrate substantial improvements in finite-data efficiency.

연구 동기 및 목표

• 양자 측정 정보 하에서 무작위성 생성을 위한 고전적 확률 추정의 양자적 확장 개발.
• i.i.d. 또는 정적 시도를 가정하지 않고 기기 독립적 및 반기기 독립적 무작위성 확장 가능화.
• QEF를 사용해 조건부 최소 엔트로피에 대한 적응형, 언제나 유효한 신뢰 구간을 제공.
• 특히 광학적 루프홀 풀 무작위성 실험에서 유한 데이터 효율성 향상.
• $(k,2,2)$ 벨 테스트 구성에서 QEF를 직접 최적화하여 엔트로피 추정기 기반의 경계를 초월함.

제안 방법

• QEF는 데이터 조건부 정규화된 레니 거듭제곱에 대한 신뢰 상한을 제공하는 모델에 의존하는 통계적 요소로 구성된다.
• QEF의 곱셈을 통한 연결을 통해 독립성 또는 정적 조건이 필요 없이도 시도 시퀀스의 레니 거듭제곱을 추정할 수 있다.
• QEF는 최대 확률 추정기에서 유도되며, $(k,2,2)$ 벨 테스트 구성에서 직접 최적화될 수 있다.
• EAT(엔트로피 축적 정리)와 통합되지만, 주요 케이스에서 QEF 기반 경계는 최소 무역함수를 사용한 EAT보다 우수하다.
• QEF는 변화하는 실험 조건에 적응하고 결과가 만족스러울 경우 조기에 정지할 수 있도록 한다.
• QEF로부터 일반적인 엔트로피 추정기의 구축 방법을 제시하며, 고전-양자 상태에 대한 경계를 향상시킨다.

실험 결과

연구 질문

• RQ1 무작위성 생성에서 양자 측정 정보를 다룰 수 있는 고전적 확률 추정의 양자적 확장을 개발할 수 있는가?
• RQ2 i.i.d. 또는 정적 행동을 가정하지 않고도 QEF가 조건부 최소 엔트로피에 대해 더 날카운, 언제나 유효한 신뢰 구간을 제공할 수 있는가?
• RQ3 QEF 기반의 무작위성 확장은 엔트로피 축적 프레임워크(EAT)에 비해 효율성이 어떻게 다른가?
• RQ4 $(k,2,2)$ 벨 테스트 구성에서 QEF를 직접 최적화하면 엔트로피 추정기 기반 구성보다 우월한 성능을 낼 수 있는가?
• RQ5 실제 실험 상황, 예를 들어 광학적 루프홀 풀 무작위성 실험에서 QEF의 유한 데이터 성능 향상은 어느 정도인가?

주요 결과

• QEF는 일정한 오차 하에서 渐近 최적성을 달성하여 로그 수준의 입력 엔트로피로 효율적인 무작위성 확장을 가능하게 한다.
• $(2,2,2)$ 벨 테스트 구성에서 QEF는 EAT에 최소 무역함수를 사용한 경우 대비 최대 38배의 시도 수를 줄일 수 있다.
• 광학적 루프홀 풀 실험에서 QEF는 $6.97 \times 10^7$회의 시도(11.62분)로 충분하며, 엔트로피 축적 기법을 사용할 경우 $2.89 \times 10^{11}$회의 시도(802.1시간)가 필요하다.
• QEF 기반 방법은 Ref. [5]의 EAT에 최소 무역함수를 사용한 경우보다 특히 $\hat{I}$의 낮은 위반 값에서 뛰어난 성능을 보이며, $f_{\nu,F}$ 비율이 $f_{\nu,T}$를 두 배 이상 초월한다.
• 최대 확률 추정기에서 유도된 최적화된 $(k,2,2)$ 구성용 QEF는 EAT 기반 방법보다 더 우수한 엔트로피 경계를 제공한다.
• QEF 프레임워크는 비신호 전파나 초양자 장치에 대해 강건하며, 실험 중 언제라도 적응형 조기 정지를 지원한다.