[论文解读] Random Sampling of Quantum States: a Survey of Methods And Some Issues Regarding the Overparametrized Method

Jonas Maziero|arXiv (Cornell University)|Sep 14, 2015

Quantum Information and Cryptography参考文献 60被引用 5

一句话总结

本文综述了生成随机量子态（RQS）的方法，重点关注过参数化方法（OPM）作为从复高斯矩阵生成随机密度矩阵的数值高效方法。文章指出一个关键问题：由于参数域选择导致的态空间中过度集中测度，这在高维下破坏了统计均匀性。

ABSTRACT

"The numerical generation of random quantum states (RQS) is an important procedure for investigations in quantum information science. Here, we review some meth- ods that may be used for performing that task. We start by presenting a simple procedure for generating random state vectors, for which the main tool is the random sam- pling of unbiased discrete probability distributions (DPD). Afterwards, the creation of random density matrices is addressed. In this context, we first present the standard method, which consists in using the spectral decomposition of a quantum state for getting RQS from random DPDs and random unitary matrices. In the sequence, the Bloch vector parametrization method is described. This approach, despite being useful in several instances, is not in general conve- nient for RQS generation. In the last part of the article, we regard the overparametrized method (OPM) and the related Ginibre and Bures techniques. The OPM can be used to cre- ate random positive semidefinite matrices with unit trace from randomly produced general complex matrices in a sim- ple way that is friendly for numerical implementations. We consider a physically relevant issue related to the possible domains that may be used for the real and imaginary parts ? Jonas Maziero [e-mail] 1 Departamento de F ́ ısica, Centro de Ci ˆ encias Naturais e Exatas, Universidade Federal de Santa Maria, Avenida Roraima 1000, 97105-900, Santa Maria, RS, Brazil 2 Instituto de F ́ ısica, Facultad de Ingenier ́ ıa, Universidad de la Rep ́ ublica, J. Herrera y Reissig 565, 11300, Montevideo, Uruguay of the elements of such general complex matrices. Subse- quently, a too fast concentration of measure in the quantum state space that appears in this parametrization is noticed."

研究动机与目标

• 综述并比较已建立的和新兴的随机量子态生成方法。
• 分析过参数化方法（OPM）作为生成随机密度矩阵的实用且数值友好的方法。
• 研究OPM中参数域选择的物理与统计影响，特别是关于测度集中现象。

提出的方法

• OPM通过平方一个随机采样的复矩阵，生成具有单位迹的随机正半定矩阵。
• 通过无偏离散概率分布（DPD）生成随机态矢量，作为态矢量采样的基础。
• 标准方法使用谱分解，结合随机DPD和随机酉矩阵，以生成RQS。
• 回顾了Bloch矢量参数化方法，尽管因其几何约束而被认为在一般RQS生成中不切实际。
• 在OPM框架内讨论了Ginibre和Bures方法作为相关方法。
• 研究了复矩阵中实部与虚部域的选择对最终态分布的影响。

实验结果

研究问题

• RQ1 过参数化方法与标准RQS生成技术相比，在效率和准确性方面如何？
• RQ2 在OPM中，复矩阵实部与虚部域选择的不同对统计结果有何影响？
• RQ3 为何OPM在高维量子态空间中表现出快速的测度集中现象？
• RQ4 OPM在多大程度上无法生成均匀分布的量子态？
• RQ5 尽管存在测度集中问题，OPM是否仍可在量子信息模拟中可靠使用？

主要发现

• 过参数化方法（OPM）提供了一种简单且数值高效的途径，可从一般复矩阵生成随机密度矩阵。
• OPM导致量子态空间中快速的测度集中，尤其在高维下，这损害了均匀性。
• 复矩阵元素实部与虚部域的选择显著影响最终态的分布。
• 尽管在某些场景下有用，Bloch矢量参数化一般不适用于高效RQS生成。
• 使用谱分解结合随机DPD和酉矩阵的标准方法，仍是RQS生成的可靠基准。
• OPM的简洁性被一个关键统计缺陷所抵消：态过度集中于态空间的极小区域。