Post-processing optimization and optimal bounds for non-adaptive shadow tomography

技術要約：非適応型シャドウ・トモグラフィーにおける後処理の最適化と最適境界

問題提起
量子状態トモグラフィーは、膨大なリソースを必要とする課題に直面しており、その解決策として「先に測定し、後で問いかける（measure first, ask questions later）」パラダイムに従うシャドウ・トモグラフィーや古典的シャドウの開発が進められている。近年の改良は、主に「先に測定する」側面（量子操作）の最適化に焦点を当ててきたが、「後で問いかける」フェーズ（古典的な後処理）については、体系的な検討が十分に及んでいない。

情報的に過剰な（overcomplete）正演算子値測度（POVM）を用いた線形トモグラフィーにおいて、観測された頻度から推定量を導出する写像は一意ではない。具体的には、固定されたPOVM $\{E_j\}$ とターゲットとなる可観測量 $O$ に対して、$O = \sum_j x_j E_j$ を満たす一意ではない無偏な線形再構成（係数 $\vec{x}$ の集合）が存在する。標準的なプロトコルでは通常、「標準的な（canonical）」再構成係数の選択が行われるが、これはターゲットに依存しないものである。しかし、この標準的な選択は、特定のターゲットに対しては一般に最適ではなく、不必要な推定量の分散を生じさせ、結果としてサンプリング複雑性を増大させる。本研究が取り組む中心的な問題は、実験的な測定スキーム自体を変更することなく、後処理における「ゲージの自由度」をどのように体系的に利用して、最悪ケースの推定量の分散を最小化するかである。

手法
著者らは、最適な再構成係数の選択を凸ミニマックス最適化問題として定式化している。目標は、すべての量子状態 $\rho$ に対して、推定量の最大分散を最小化する係数 $\vec{x}$ を見つけることである。

1. 定式化: 問題は次のように定義される：
   $$\min_{\vec{x} \in \mathcal{B}} \max_{\rho \in \mathcal{R}} f(\vec{x}, \rho) = \text{Var}[\hat{o} | \vec{x}, \rho]$$
   ここで、$\sum_j x_j E_j = O$ という制約条件があり、$\mathcal{B}$ は有界な係数の集合、$\mathcal{R}$ は有効な密度行列の集合である。
2. 凸性と収束性: 著者らは、固定された状態に対して分散は $\vec{x}$ に関して凸であり、固定された係数に対しては $\rho$ に関して凹であることを示している。密度行列の集合がコンパクトかつ凸であるため、ミニマックス定理が適用される。これにより、大域的な鞍点（saddle point）の存在が保証され、min/max 操作の反転が可能となり、効率的な数値解法が実現される。
3. アルゴリズム: 提案するアルゴリズムは、与えられた状態に対する最適な再構成係数 $\vec{x}^*(\rho)$（これはPOVM係数行列の逆行列を含む解析解を持つ）を反復的に解き、その後、状態空間における分散関数を最大化する。このアプローチにより、古典的な後処理によって達成可能な、状態に依存しないタイトな分散の上界が得られる。

主要な結果
論文内の数値例は、分散最適化された後処理が、標準的な標準的再構成を大幅に上回る性能を示すことを提示している：

• 積可観測量: 限定的なPOVM（パウリ $X$ および $Z$ プロジェクター）とテンソル積のターゲット可観測量について、最適な係数は必ずしも標準的な解の積構造に従わない。
  • 特定のターゲット角度（例：$Z$ 固有状態へのプロジェクター）において、最適な分散は量子ビット数に対して劣線形（sub-linear）のスケーリングを示す。
  • これは、同じ領域において指数関数的なスケーリングを示す標準的な推定量とは対照的である。
  • 最適解は、測定とターゲットの両方が局所的であるにもかかわらず、グローバルな係数が単純な局所係数の積に分解できないという意味で「もつれ（entangled）」ている。
• 局所可観測量の和: スピン鎖上の局所的なパウリ可観測量の和（例：外部磁場の推定）の推定において、最適なグローバル係数は、やはり局所的な標準的係数の線形結合から逸脱する。
  • 最適な推定量のサンプリング複雑性のスケーリングは劣指数的（sub-exponential）（一部の領域では二次的なスケーリングを示唆）であるように見えるが、標準的な推定量は、特定のパラメータに対して異なる、より不利なスケーリング挙動を暗示する一定の上界を維持している。

意義と主張
本論文は、非適応型シャドウ・トモグラフィーに帰せられるサンプリングオーバーヘッドが、測定スキーム自体の根本的な限界ではなく、多くの場合、不適切な再構成の結果であることを主張している。

• 操作的な自由度: 本研究は、後処理における「自由度」を実用化しており、データ取得後に実験を変更することなく、理想的な推定量の構築を決定できることを示している。
• タイトな境界: 提案手法は、固定されたPOVMおよび可観測量に対して達成可能な、最もタイトな状態に依存しない分散上界を提供し、標準的な「シャドウノルム」の保証を洗練させている。
• スケーリングの改善: 極めて重要な点として、著者らは、最適な後処理が、定数倍の改善にとどまらず、システムサイズに対するサンプリング複雑性の質的なスケーリング（例：指数関数的から劣指数的/劣線形への移行）をも変化させ得ることを示している。
• タスク適応型設計: このアプローチは、推定量をターゲット可観測量に特化して最適化するという、タスク適応型の設計問題を確立しており、パラダイムを「先に測定し、後で問う」から「先に測定し、後で（最適に）処理する」へと移行させている。

著者らは、現在のアルゴリズムは数値最適化に依存しているものの、この枠組みは、最悪ケースの状態の構造を理解し、非線形な性質や実験ノイズ下でのロバストな推定など、より幅広い応用に向けて制約付きの拡張可能な最適化手法を開発するための道を開くものであると結論付けている。