🔢 mathematics

Degree-Four Vector-Coordinate SoS Cannot Detect the MUB Upper Bound

Diese Arbeit stellt fest, dass Sum-of-Squares-Relaxationen des Grades vier unter Verwendung von Vektorkoordinaten-Formulierungen daran scheitern, die bekannte obere Schranke für die Anzahl der zueinander komplementären Basen (selbst für $m > d+1$ ) zu detektieren, wohingegen Projektionskoordinaten-Formulierungen diese Schranke beim gleichen Grad erfolgreich rekonstruieren.

Ursprüngliche Autoren: Shreyhaan Sarkar

Veröffentlicht 2026-06-15

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Shreyhaan Sarkar

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Ein Spiel um „perfekt unvoreingenommene“ Freunde

Stellen Sie sich vor, Sie versuchen, eine Party in einem hochdimensionalen Raum (einem Raum mit $d$ Dimensionen) zu organisieren. Sie möchten Gruppen von Menschen (Basen) einladen, die in bestimmten Mustern stehen.

Die Regel für eine „gegenseitig unvoreingenommene Basis“ (Mutually Unbiased Basis, MUB) ist ein wenig wie ein Spiel der perfekten Balance:

Innerhalb einer Gruppe: Jeder muss in einem perfekten rechten Winkel zueinander stehen (orthonormal).
Zwischen den Gruppen: Wenn Sie eine Person aus Gruppe A und eine Person aus Gruppe B auswählen, muss der „Winkel“ zwischen ihnen für jedes mögliche Paar exakt gleich sein. Sie sind zueinander „unvoreingenommen“.

Mathematiker kennen eine harte Grenze für dieses Spiel: Man kann niemals mehr als $d + 1$ solcher Gruppen haben. In einem 6-dimensionalen Raum ( $d=6$ ) können Sie also höchstens 7 Gruppen haben. Es ist ein berühmtes, ungelöstes Rätsel, ob man dieses Limit von 7 in einem 6-dimensionalen Raum tatsächlich erreichen kann oder ob die Regeln versagen, bevor man dort ankommt.

Das Problem: Kann ein Computer das Limit „sehen“?

Die Arbeit stellt eine spezifische Frage über eine Art von Computer-Algorithmus namens Sum-of-Squares (SoS). Betrachten Sie SoS als einen sehr intelligenten, aber etwas kurzsichtigen Detektiv. Er versucht zu beweisen, dass eine bestimmte Anordnung von Menschen unmöglich ist, indem er die mathematischen Gleichungen untersucht, die ihre Positionen beschreiben.

Der Detektiv hat ein „Grad“-Limit. Ein Grad-4-Detektiv kann nur Beziehungen untersuchen, die bis zu vier Variablen gleichzeitig betreffen (wie zum Beispiel, wie die Positionen von vier Personen miteinander interagieren).

Die spezifische Frage (aus „Open Problem 23“) lautete: Kann ein Grad-4-Detektiv beweisen, dass 7 Gruppen von Menschen in einem 6-dimensionalen Raum nicht existieren können?

Die Entdeckung: Der Detektiv benutzt die falsche Karte

Der Autor, Shreyhaan Sarkar, fand heraus, dass die Antwort völlig davon abhängt, wie man die Menschen gegenüber dem Detektiv beschreibt.

1. Die „Vektor“-Karte (Das Scheitern)

Bei der ersten Methode erhält der Detektiv die rohen Koordinaten von jedem Kopf, jeder Hand und jedem Fuß der Menschen (die reellen und imaginären Teile der Vektoren).

Der Trick: Der Autor konstruierte eine „falsche Realität“ unter Verwendung von zufälligen, unabhängigen Gruppen von Menschen. In dieser fälschlichen Welt sind die Gruppen im strengen Sinne nicht perfekt unvoreingenommen, aber wenn man sie nur durch die „Grad-4-Linse“ betrachtet, sehen sie vollkommen unvoreingenommen aus.
Die Analogie: Stellen Sie sich vor, Sie betrachten ein verschwommenes Foto einer Menge. Aus der Ferne (Grad 4) wirkt die Menge perfekt ausbalanciert und zufällig. Der Detektiv prüft die Mathematik, sieht, dass alles Null ergibt, und sagt: „Hey, diese Anordnung ist möglich!“
Das Ergebnis: Da der Detektiv durch diese „falsche Realität“ (eine sogenannte Pseudoerwartung) getäuscht werden kann, kann er nicht beweisen, dass 7 Gruppen unmöglich sind. Er erkennt das Limit von $d+1$ nicht. Er glaubt, dass in einem 6D-Raum sogar 100 Gruppen möglich sein könnten, obwohl wir wissen, dass dies falsch ist.

2. Die „Projektor“-Karte (Der Erfolg)

Der Autor versuchte dann einen anderen Weg, die Menschen zu beschreiben. Anstatt dem Detektiv die Koordinaten der Gliedmaßen zu geben, gab er ihm eine Beschreibung des Schattens oder der Projektion, die jede Person wirft (mathematisch ausgedrückt: $P = vv^*$ ).

Der Unterschied: In dieser „Projektor“-Sprache werden die Regeln für die „Unvoreingenommenheit“ viel einfacher (quadratisch statt quartisch).
Das Ergebnis: Wenn der Detektiv diese Karte verwendet, funktioniert der Trick mit der „falschen Realität“ nicht mehr. Der Grad-4-Detektiv kann nun den mathematischen Widerspruch klar erkennen. Er beweist erfolgreich, dass man nicht mehr als $d+1$ Gruppen haben kann.

Die wichtigste Erkenntnis

Die Arbeit kommt zu dem Schluss, dass das Scheitern bei der Lösung des Problems nicht daran liegt, dass die Mathematik zu schwer ist, sondern dass die Beschreibung zu schwach war.

Vektor-Koordinaten: Wie der Versuch, ein Puzzle zu lösen, indem man die einzelnen Puzzleteile einzeln betrachtet. Der Grad-4-Detektiv wird verwirrt und denkt, das Puzzle sei lösbar, obwohl es das nicht ist.
Projektor-Koordinaten: Wie der Blick auf das Bild auf dem Pappkarton des Puzzles. Der Grad-4-Detektiv kann das Muster sofort erkennen und realisieren, dass das Puzzle unmöglich ist.

Warum das für die spezifische Frage wichtig ist

Die Arbeit adresst spezifisch das „Randomstrasse101 Open Problem 23“, welches sich mit den zwei „Vektor“-Methoden befasste.

Antwort: Nein. Ein Sum-of-Squares-Beweis vom Grad 4 unter Verwendung dieser spezifischen Vektor-Beschreibungen kann nicht beweisen, dass 7 Mutually Unbiased Bases in 6 Dimensionen nicht existieren können.
Einschränkung: Das bedeutet nicht, dass kein Beweis existiert. Es bedeutet nur, dass diese spezifische, direkte Art, das Problem aufzuschreiben, zu schwach für einen Grad-4-Algorithmus ist. Wenn man zur „Projektor“-Methode wechselt, wird der Algorithmus stark genug, um das Limit zu finden.

Kurz gesagt: Die Arbeit zeigt, dass man durch die Verwendung von Rohkoordinaten einen Computer mit begrenzter „Sichtweise“ (Grad 4) dazu bringen kann, das Unmögliche für möglich zu halten. Aber wenn man das Problem mit „Schatten“ (Projektoren) beschreibt, kann derselbe Computer die Wahrheit sehen.

Technische Zusammenfassung: Der Grad-vier Sum-of-Squares (SoS) Vektor-Koordinaten-Ansatz kann die MUB-Obere Schranke nicht detektieren

Problemstellung
Die Arbeit befasst sich mit dem Randomstrasse101 Open Problem 23, welches fragt, ob ein Sum-of-Squares (SoS) Beweis vom Grad vier existiert, um zu zeigen, dass sieben mutuell ungleichgewichtige Basen (MUBs) in $\mathbb{C}^6$ nicht existieren können. Das Problem wird unter Verwendung zweier spezifischer Vektor-Koordinaten-Kodierungen formuliert:

Quartische Gleichungsformulierung: Die Nebenbedingungen werden als quartische Relationen auf den reellen und imaginären Teilen der Vektorkomponenten kodiert, spezifisch $|\langle v, w \rangle|^2 = 1/d$ .
$2 \times 2$ Hermitesche Semidefinitive Formulierung: Cross-Basis-Bedingungen werden als semidefinitive Nebenbedingungen auf $2 \times 2$ Hermiteschen Matrizen kodiert, die das quadratische Skalarprodukt $\langle v, w \rangle$ involvieren.

Der breitere Kontext ist die bekannte obere Schranke $m \le d + 1$ für die Anzahl der MUBs in Dimension $d$ . Während die Gleichheit für Primzahlpotenz-Dimensionen gilt, bleibt der Fall $d=6$ offen, wobei die Vermutung besteht, dass $m=7$ unmöglich ist.

Methodik
Die Autoren analysieren die Leistungsfähigkeit von Grad-vier SoS-Relaxationen durch die Konstruktion von Grad-vier Pseudoerwartungswerten. Ein Grad-vier Pseudoerwartungswert ist ein linearer Funktional $\tilde{\mathbb{E}}$ auf Polynomen des Grades höchstens vier, der die Positivität ( $\tilde{\mathbb{E}}[f^2] \ge 0$ ) und Konsistenz mit den Nebenbedingungen erfüllt. Wenn ein solcher Pseudoerwartungswert für ein System existiert, existiert kein Grad-vier SoS-Refutation (Beweis der Unmöglichkeit).

Die Kernmethodik umfasst:

Haar-Zufällige Konstruktion: Die Autoren definieren einen Pseudoerwartungswert basierend auf der Erwartung über unabhängige Haar-zufällige unitäre Matrizen. Speziell werden die Vektoren als Spalten unabhängiger Haar-zufälliger unitärer Matrizen genommen.
Verifizierung der Nebenbedingungen:
- Innerhalb derselben Basis: Orthonormale Bedingungen halten punktweise (exakt) für die Zufallskonstruktion.
- Cross-Basis-Nebenbedingungen: Für unabhängige Haar-zufällige Einheitsvektoren $x, y$ gilt die Erwartung $\mathbb{E}[|\langle x, y \rangle|^2] = 1/d$ .
Affiner Multiplikator-Analyse: Für die semidefinitive Formulierung beweisen die Autoren eine spezifische Schranke für die Operatornorm der Multiplikation mit dem Skalarprodukt $z = \langle x, y \rangle$ auf affine-lineare Funktionen. Sie zeigen, dass $|\mathbb{E}[p z q]| \le \frac{1}{d} \sqrt{\mathbb{E}[|p|^2]\mathbb{E}[|q|^2]}$ .
Formulierungsvergleich: Die Arbeit kontrastiert die Vektor-Koordinaten-Formulierung mit einer Projektor-Koordinaten-Formulierung, bei der die Variablen Rang-eins-Projektoren $P = vv^*$ sind. In diesem Setting wird die Cross-Unbiasedness-Bedingung zu einer quadratischen Bedingung ( $\text{Tr}(P_i^{(k)} P_j^{(\ell)}) = 1/d$ ).

Wesentliche Beiträge und Ergebnisse

Untere Schranke für Vektor-Koordinaten-Formulierungen:
Das Primärergebnis (Theoreme 5.1 und 7.1) stellt fest, dass für jede Dimension $d$ und jede vorgeschlagene Anzahl an Basen $m$ das Standard-Vektor-Koordinaten-MUB-System einen Grad-vier Pseudoerwartungswert besitzt, der aus unabhängigen Haar-zufälligen Basen abgeleitet ist.
- Quartische Gleichung: Der Pseudoerwartungswert erfüllt die quartischen Nebenbedingungen, da der Erwartungswert des quartischen Terms $|\langle x, y \rangle|^2 - 1/d$ gleich Null ist. Da die Nebenbedingungen vom Grad vier sind, kann der Pseudoerwartungswert diese nur durch Multiplikation mit Konstanten annullieren.
- Semidefinite Formulierung: Unter Verwendung der affinen Multiplikator-Schranke (Theorem 6.1) zeigen die Autoren, dass der Pseudoerwartungswert die Grad-vier lokalisierenden Nebenbedingungen für die $2 \times 2$ Hermiteschen Matrizen erfüllt.
- Konsequenz: Grad-vier SoS in diesen Vektor-Koordinaten-Formulierungen kann die Existenz von $m$ MUBs nicht widerlegen, selbst wenn $m > d + 1$ (wo MUBs bekannt oder vermutet unmöglich sind). Speziell für $d=6, m=7$ existiert kein Grad-vier SoS-Beweis der Nichtexistenz in diesen Kodierungen.
Formulierungs-Separation (Projektor vs. Vektor):
Die Arbeit zeigt, dass dieses Versagen spezifisch für die Vektor-Koordinaten-Kodierung ist. In einer Projektor-Koordinaten-Formulierung (Theorem 8.1), in der die Variablen zentrierte Projektoren $Q = P - I/d$ sind, sind die Cross-Unbiasedness-Nebenbedingungen quadratisch.
- Die Autoren konstruieren eine Grad-vier SoS-Refutation für das Projektorsystem, wann immer $m > d + 1$ .
- Diese Refutation beruht auf einer Gram-Matrix-Identität bezüglich der Spur von quadrierten Summen von Projektoren, was modulo die Nebenbedingungen eine negative Konstante ergibt, wenn $m > d + 1$ .
- Ergebnis: Grad-vier SoS kann die elementare obere Schranke $m \le d + 1$ in der Projektor-Formulierung wiederherstellen.

Bedeutung und Ansprüche
Die Arbeit beansprucht eine formulierungsabhängige Separation in der Leistungsfähigkeit von niedrig-gradigen SoS-Hierarchien für das MUB-Problem:

Negative Antwort auf Open Problem 23: Für die zwei spezifischen Vektor-Koordinaten-Kodierungen, die in der Problemstellung beschrieben wurden (quartische Gleichungen und $2 \times 2$ LMIs), ist die Antwort negativ. Grad-vier SoS ist intrinsisch zu schwach, um die grundlegende Zähl-Obstruktion ( $m \le d + 1$ ) zu detektieren.
Formulierungs-Sensitivität: Die Unfähigkeit von Grad-vier SoS, das Problem zu lösen, ist keine universelle Einschränkung der Methode, sondern eine Einschränkung der direkten Vektor-Koordinaten-Relaxation. Dieselbe Grad-Stufe der Relaxation ist strikt stärker, wenn sie auf Projektor-Koordinaten angewendet wird, wo sie die bekannte obere Schranke erfolgreich wiederherstellt.
Implikation für $d=6$ : Während die Projektor-Formulierung $m \le d + 1$ für $d=6$ wiederherstellt, merkt die Arbeit an, dass der Fall $d=6, m=7$ die "enge" Grenze dieser Schranke darstellt. Daher liefert das Separationsergebnis keine definitive Antwort darauf, ob ein stärkerer Projektor-Variablen-Grad-vier-Beweis genau sieben MUBs in $\mathbb{C}^6$ ausschließen kann, sondern nur, dass er acht oder mehr ausschließen kann.

Die Arbeit isoliert eine spezifische Grad-vier Obstruktion für Vektor-Koordinaten-SoS und legt nahe, dass jeder erfolgreiche niedrig-gradige SoS-Ansatz für das Dimensions-sechs-MUB-Problem eine gehobene (lifted) Formulierung (wie etwa Projektoren) anstelle der direkten Vektor-Koordinaten verwenden muss.