[论文解读] Partial transposition of random states and non-centered semicircular distributions

Guillaume Aubrun|arXiv (Cornell University)|Nov 1, 2010

Random Matrices and Applications参考文献 24被引用 43

一句话总结

该论文证明，当维度 $d \to \infty$ 时，大维随机 Wishart 矩阵的偏转置（通过部分追踪建模量子态）在分布上收敛于一个非中心化的半圆律。关键结果是在参数 $\alpha = 4$ 处出现锐利的相变：当辅助系统维数为 $\alpha d^2$ 时，若 $\alpha > 4$，随机诱导态通常为 PPT（部分转置正定）；若 $\alpha < 4$，则通常为非 PPT，从而解决了量子纠缠检测中的一个核心问题。

ABSTRACT

Let W be a Wishart random matrix of size d^2 times d^2, considered as a block matrix with d times d blocks. Let Y be the matrix obtained by transposing each block of W. We prove that the empirical eigenvalue distribution of Y approaches a non-centered semicircular distribution when d tends to infinity. We also show the convergence of extreme eigenvalues towards the edge of the expected spectrum. The proofs are based on the moments method. This matrix model is relevant to Quantum Information Theory and corresponds to the partial transposition of a random induced state. A natural question is: "When does a random state have a positive partial transpose (PPT)?". We answer this question and exhibit a strong threshold when the parameter from the Wishart distribution equals 4. When d gets large, a random state on C^d tensor C^d obtained after partial tracing a random pure state over some ancilla of dimension alpha.d^2 is typically PPT when alpha&gt;4 and typically non-PPT when alpha&lt;4.

研究动机与目标

• 分析高维量子系统中部分转置随机 Wishart 矩阵的谱分布。
• 确定随机诱导量子态从通常 PPT 转变为通常非 PPT 的阈值参数 $\alpha$。
• 使用矩方法建立特征值分布收敛于非中心化半圆律的结果。
• 将随机矩阵理论与量子信息联系起来，特别是与纠缠的 PPT 准则相关联。
• 提供关于极端特征值和谱边的严格渐近结果。

提出的方法

• 使用矩方法分析部分转置 Wishart 矩阵的极限谱分布。
• 应用非交叉分拆的组合学方法计算矩的渐近行为。
• 通过利用 $d^2 \times d^2$ 矩阵中 $d \times d$ 块的结构，推导出分块转置矩阵的矩估计。
• 依赖于经验特征值分布收敛于具有显式方差和偏移的非中心化半圆分布。
• 通过基于矩的估计和谱边收敛分析极端特征值。
• 通过部分追踪后诱导态与 Wishart 矩阵之间的对应关系，将结果转化为量子信息语言。

实验结果

研究问题

• RQ1 当 $d \to \infty$ 时，随机 Wishart 矩阵的偏转置的极限谱分布是什么？
• RQ2 在辅助系统与系统比 $\alpha = p/d^2$ 的何种取值下，随机诱导量子态的 PPT 性质发生相变？
• RQ3 部分转置 Wishart 矩阵的极端特征值如何渐近表现？
• RQ4 矩方法能否应用于证明此非标准矩阵模型中收敛于非中心化半圆分布？
• RQ5 部分转置 Wishart 矩阵保持半正定的渐近概率是多少？

主要发现

• 当 $d \to \infty$ 时，部分转置 Wishart 矩阵的经验特征值分布弱收敛于非中心化半圆分布。
• 由于部分转置不具备完全正性，极限分布具有非零中心（偏移）。
• 在 $\alpha = 4$ 处发生锐利相变：当 $\alpha > 4$ 时，随机诱导态通常为 PPT；当 $\alpha < 4$ 时，通常为非 PPT。
• 部分转置矩阵的极端特征值几乎必然收敛于极限半圆谱的边界。
• 一个 $d^2 \times d^2$ 的 Wishart 矩阵在部分转置后保持半正定的概率至多以 $\exp(-cd^4)$ 的速率衰减（$c > 0$），表明其具有大偏差标度。
• 该结果确认了 Žnidarič 等人通过数值观察到的行为，并为随机量子态中 PPT 临界点提供了严格的理论基础。