[论文解读] Consistency of Local Density Matrices is QMA-complete

Yi-Kai Liu|ArXiv.org|Apr 21, 2006

Quantum Computing Algorithms and Architecture参考文献 18被引用 16

一句话总结

本文证明了判断量子系统中一组局部密度矩阵是否与全局量子态一致的问题是QMA-完全的，确立了其在量子复杂性理论中的基础性难题地位。证明采用了一种新颖的随机图灵归约方法，从局部哈密顿量问题出发，利用Bertsimas-Vempala算法进行凸优化，并通过泡利矩阵期望值表示来处理非对易算符。

ABSTRACT

Suppose we have an n-qubit system, and we are given a collection of local density matrices rho_1,...,rho_m, where each rho_i describes a subset C_i of the qubits. We say that the rho_i are ``consistent'' if there exists some global state sigma (on all n qubits) that matches each of the rho_i on the subsets C_i. This generalizes the classical notion of the consistency of marginal probability distributions. We show that deciding the consistency of local density matrices is QMA-complete (where QMA is the quantum analogue of NP). This gives an interesting example of a hard problem in QMA. Our proof is somewhat unusual: we give a Turing reduction from Local Hamiltonian, using a convex optimization algorithm by Bertsimas and Vempala, which is based on random sampling. Unlike in the classical case, simple mapping reductions do not seem to work here.

研究动机与目标

• 确立判断量子系统中局部密度矩阵是否与全局量子态一致的计算复杂性。
• 证明该一致性问题为QMA-完全，扩展了已知的局部哈密顿量问题的困难性。
• 开发一种新型归约技术，绕过传统映射归约，后者因量子设置中非对易算符而失效。
• 表明该问题在受限条件下（如2-体相互作用或二维晶格）仍保持QMA-难。
• 探讨一致性问题与其他QMA-完全问题（如局部哈密顿量）之间的结构差异，凸显其在量子复杂性中的独特作用。

提出的方法

• 通过泡利算符的期望值表示局部密度矩阵，实现对态空间的线性参数化。
• 将一致性问题表述为在泡利期望值约束所定义的多面体上的凸优化问题。
• 使用Bertsimas-Vempala随机凸优化算法，该算法仅需成员资格预言机，并通过随机游走实现。
• 通过将目标能量阈值的可行性问题归约为一致性问题，构建成员资格预言机。
• 利用优化目标函数的Lipschitz连续性及多项式有界的导数，确保在小误差下具有鲁棒性。
• 应用间隙放大技术，分离局部哈密顿量问题的YES与NO实例，确保优化算法在预言机噪声下仍能区分。

实验结果

研究问题

• RQ1 判断局部密度矩阵是否与全局量子态一致的问题在量子复杂性类QMA中是否具有计算困难性？
• RQ2 能否通过避免标准映射归约（因非对易算符而失效）的归约方法，确立一致性问题的QMA-完全性？
• RQ3 当与一致性问题的预言机结合时，Bertsimas-Vempala凸优化算法是否在有界误差下仍有效？
• RQ4 一致性问题的QMA-难性是否在结构限制下（如2-体相互作用或二维晶格几何）得以保持？
• RQ5 一致性问题是否适用于零知识证明系统？这对QMA类的更广泛意义是什么？

主要发现

• 局部密度矩阵的一致性问题为QMA-完全，确立了其在量子复杂性理论中的基础性难题地位。
• 证明采用从局部哈密顿量问题出发的随机图灵归约，而非标准映射归约，原因在于经典器件技术在量子设置中失效。
• 归约依赖于Bertsimas-Vempala凸优化算法，该算法仅需成员资格预言机，且对小误差阈值具有鲁棒性。
• 优化问题中的目标函数被证明其导数在n的多项式范围内有界，确保小扰动不会显著改变函数值。
• 在局部哈密顿量的YES实例中，可行区域包含半径至少为1/poly(n)的球体，使优化算法在预言机噪声下仍能成功。
• 该算法运行时间多项式，且误差阈值被设定为相对于可行集体积而言边界层较小，确保在预言机模型下结果正确。