[논문 리뷰] Time-Efficient Quantum Entropy Estimator via Samplizer

Qisheng Wang, Zhicheng Zhang|arXiv (Cornell University)|2024. 01. 01.

Quantum Computing Algorithms and Architecture인용 수 5

한 줄 요약

이 논문은 독립적인 표본을 사용하여 N차원 양자 상태의 바르니에이 및 레니 엔트로피를 시간 효율적으로 추정할 수 있도록 하는 새로운 양자 알고리즘 프레임워크인 '샘플라이저(samplizer)'를 소개한다. 양자 질의 알고리즘을 샘플 기반 알고리즘으로 변환함으로써 샘플 복잡도가 증명 가능하게 최적화되며, 이로 인해 이전 방법들에 비해 지수적 속도 향상을 달성한다—바르니에이 엔트로피의 경우 시간 복잡도를 Õ(N²)로 줄이고, 레니 엔트로피의 경우 Õ(N^{4/\alpha - 2})로 줄이며, 동시에 샘플 사용은 거의 최적을 유지한다.

ABSTRACT

Entropy is a measure of the randomness of a system. Estimating the entropy of a quantum state is a basic problem in quantum information. In this paper, we introduce a time-efficient quantum approach to estimating the von Neumann entropy $S(ρ)$ and Rényi entropy $S_α(ρ)$ of an $N$-dimensional quantum state $ρ$, given access to independent samples of $ρ$. Specifically, we provide the following: 1. A quantum estimator for $S(ρ)$ with time complexity $ ilde O(N^2)$, improving the prior best time complexity $ ilde O(N^6)$ by Acharya, Issa, Shende, and Wagner (2020) and Bavarian, Mehraba, and Wright (2016). 2. A quantum estimator for $S_α(ρ)$ with time complexity $ ilde O(N^{4/α-2})$ for $0<α<1$ and $ ilde O(N^{4-2/α})$ for $α>1$, improving the prior best time complexity $ ilde O(N^{6/α})$ for $0<α<1$ and $ ilde O(N^6)$ for $α>1$ by Acharya, Issa, Shende, and Wagner (2020), though at a cost of a slightly larger sample complexity. Moreover, these estimators are naturally extensible to the low-rank case. We also provide a sample lower bound for estimating $S_α(ρ)$. Technically, our method is quite different from the previous ones that are based on weak Schur sampling and Young diagrams. At the heart of our construction, is a novel tool called samplizer, which can "samplize" a quantum query algorithm to a quantum algorithm with similar behavior using only samples of quantum states; this suggests a unified framework for estimating quantum entropies. Specifically, when a quantum oracle $U$ block-encodes a mixed quantum state $ρ$, any quantum query algorithm using $Q$ queries to $U$ can be samplized to a $δ$-close (in the diamond norm) quantum algorithm using $ ildeΘ(Q^2/δ)$ samples of $ρ$. Moreover, this samplization is proven to be optimal, up to a polylogarithmic factor.

연구 동기 및 목표

• 독립적인 표본이 주어진 N차원 양자 상태 ρ의 바르니에이 엔트로피 S(ρ)를 추정하기 위한 시간 효율적인 양자 알고리즘을 개발하는 것.
• 시간 복잡도를 향상시켜 α > 1 및 0 < α < 1인 경우 모두 레니 엔트로피 Sα(ρ)를 추정하는 방법을 확장하는 것.
• 양자 질의 알고리즘을 샘플 기반 알고리즘으로 변환할 수 있으며, 유한한 다이아몬드 노름 오차를 가지는 새로운 양자 원천인 '샘플라이저'를 도입하는 것.
• 바르니에이 및 레니 엔트로피 추정에 대해 샘플 복잡도의 날카로운 하한을 확립하여 제안된 방법의 최적성을 확인하는 것.

제안 방법

• 핵심 혁신은 Q개의 질의를 사용하는 양자 질의 알고리즘을 블록 인코딩된 오рак루 U로 변환하는 '샘플라이저'로, δ-근접한 행동을 다이아몬드 노름에서 달성하기 위해 ρ의 Õ(Q²/δ)개의 표본을 사용하는 샘플 기반 양자 알고리즘으로 변환한다.
• 샘플라이저는 양자 하다드 테스트와 고유값 변환 기법을 활용하여, 오직 ρ의 상태 준비만으로 단위어 오라클의 행동을 시뮬레이션한다.
• 바르니에이 엔트로피의 경우, ρ의 고유값에서 정의된 함수 f(x) = -x ln x의 다항식 근사를 블록 인코딩을 통해 구현하고, 샘플라이저 프레임워크를 통해 샘플라이징한다.
• 레니 엔트로피의 경우, fα(x) = x^α를 체비셰프 다항식을 통해 재귀적으로 근사하고, 결과로 얻은 질의 회로에 샘플라이저를 적용한다.
• 시간 복잡도는 원래 알고리즘의 질의 수와 샘플라이저에 의해 유도되는 오버헤드에서 유도되며, δ-근접 시뮬레이션을 위해 Õ(Q²/δ)의 복잡도를 가진다.
• 샘플라이저 파ip라인 내에서 희소 액세스와 저랭크 근사 기법을 활용함으로써, 이 프레임워크는 저랭크 양자 상태로 자연스럽게 확장된다.

실험 결과

연구 질문

• RQ1 샘플 복잡도에 비례하는 선형 시간 복잡도로 양자 엔트로피 추정을 수행할 수 있는가, 이는 고전적 성능와 일치하는가?
• RQ2 양자 엔트로피 추정에서 샘플 복잡도와 시간 복잡도 사이의 최적의 트레이드오프는 무엇인가?
• RQ3 모든 양자 질의 알고리즘을 오차가 제한된 샘플 기반 알고리즘으로 변환할 수 있는 일반적인 변환을 구성할 수 있는가?
• RQ4 약한 셔 샘플링과 양형도를 기반으로 한 기존 방법들과 비교할 때 샘플라이저 프레임워크의 효율성과 정확도는 어떠한가?
• RQ5 바르니에이 및 레니 엔트로피 추정의 기본 샘플 복잡도 하한은 무엇인가?

주요 결과

• 제안된 바르니에이 엔트로피의 양자 추정기는 Õ(N²)의 시간 복잡도를 달성하여 이전 최고 성능인 Õ(N¶)에 비해 지수적 향상을 보였다.
• 레니 엔트로피의 경우, 0 < α < 1일 때 시간 복잡도는 Õ(N^{4/\alpha - 2})이며, α > 1일 때는 Õ(N^{4 - 2/\alpha})이다. 이는 각각 이전 최고 성능인 Õ(N^{6/\alpha}) 및 Õ(N¶)에 비해 크게 향상된 것이다.
• 샘플라이저 변환은 다항로그 인자까지 최적임이 증명되었으며, Q-질의 알고리즘을 δ-정확도로 다이아몬드 노름에서 시뮬레이션하기 위해 Õ(Q²/δ)개의 표본이 필요하다.
• 이 방법은 거의 최적의 샘플 복잡도를 달성하였으며, 이전 작업 대비 약간의 증가가 있었지만, 시간 복잡도는 극적으로 감소시켰다.
• 엄밀한 샘플 복잡도 하한이 확립되었으며, 레니 엔트로피의 경우 Ω(max{N/ε, N^{1/\alpha - 1}/ε^{1/\alpha}})이다. 이는 제안된 방법의 효율성을 확인한다.
• 이 프레임워크는 희소 액세스와 저랭크 근사 기법을 활용하여 저랭크 양자 상태로 자연스럽게 확장 가능하며, 시간 및 샘플 효율성을 유지한다.