[论文解读] Relative entropy optimization in quantum information theory via semidefinite programming approximations

Hamza Fawzi, Omar Fawzi|arXiv (Cornell University)|May 18, 2017

Quantum Computing Algorithms and Architecture被引用 7

一句话总结

本文提出了一种基于半定规划的框架，用于数值计算以相对熵优化形式表达的量子信息度量，利用矩阵对数近似方法。该框架可计算诸如相对熵纠缠度和信道容量等量，并通过相对熵恢复的相对熵，提供了对量子条件互信息下界猜想的数值反例。

ABSTRACT

Many quantum information measures can be written as an optimization of the quantum relative entropy between sets of states. For example, the relative entropy of entanglement of a state is the minimum relative entropy to the set of separable states. The various capacities of quantum channels can also be written in this way. We propose a unified framework to numerically compute these quantities using off-the-shelf semidefinite programming solvers, exploiting the approximation method proposed in [Fawzi, Saunderson, Parrilo, Semidefinite approximations of the matrix logarithm, arXiv:1705.00812]. As a notable application, this method allows us to provide numerical counterexamples for a proposed lower bound on the quantum conditional mutual information in terms of the relative entropy of recovery.

研究动机与目标

• 开发一种统一的数值方法，用于计算以相对熵优化形式表述的量子信息度量。
• 解决在量子态凸集（如可分态）上最小化量子相对熵的计算挑战。
• 实现对相对熵纠缠度和量子信道容量等量的实际计算。
• 检验并证伪关于通过相对熵恢复表达的量子条件互信息下界猜想。

提出的方法

• 利用半定规划（SDP）求解器，近似求解量子信息中的相对熵优化问题。
• 采用 Fawzi 等人（2017）提出的矩阵对数近似方法，处理量子相对熵函数的非多项式性质。
• 将量子信息度量（如相对熵纠缠度和信道容量）重新表述为在量子态上的凸优化问题。
• 将 SDP 近似应用于相对熵恢复，以评估其在界定条件互信息中的作用。
• 使用现成的 SDP 求解器，实现实际实例中数值的稳定性和可扩展性。
• 通过数值实验验证该方法，包括生成理论猜想的反例。

实验结果

研究问题

• RQ1 能否利用半定规划近似高效求解量子信息中的相对熵优化问题？
• RQ2 所提出的方法是否能准确计算相对熵纠缠度及其他量子信息度量？
• RQ3 该方法能否检测到通过相对熵恢复表达的量子条件互信息下界猜想的数值反例？
• RQ4 在实际场景中，矩阵对数近似方法在捕捉量子相对熵非线性特性方面的表现如何？
• RQ5 该框架在不同量子信息任务中的数值性能和可靠性如何？

主要发现

• 所提出的框架成功利用标准 SDP 求解器计算了相对熵纠缠度和信道容量等量子信息度量。
• 该方法通过利用矩阵对数近似技术对量子相对熵进行近似，实现了高精度的数值结果。
• 该方法生成了数值反例，证伪了关于通过相对熵恢复表达的量子条件互信息下界猜想。
• 反例表明，该猜想的下界在一般情况下不成立，从而挑战了量子信息理论中先前提出的不等式。
• 该框架具有鲁棒性和可扩展性，能够实现对以往难以计算的复杂量子信息量的数值探索。