Detecting bipartite entanglement with PnCP maps and non-negative polynomials

本論文は、非平方和多項式を用いた正（Positive）であるが完全正（Completely Positive）ではない（PnCP）写像を生成するアルゴリズムの数値的に堅牢な実装を提示し、それらの理論的な一意性と、既存の判定基準と比較した際のPPTもつれ状態に対する優れた検出能力を実証するものである。

要約

全体像：「見えない」接着剤を見つける

2つの箱を持っていると想像してください。時として、これらの箱の中身は、単に隣り合って置かれているだけの別々のもの（例えば、一方の箱には靴下、もう一方には靴が入っているような状態）です。これを**可分（separable）と呼びます。しかし、時として、中身が通常の物理学を無視するような方法で魔法のように結びついていることがあります。片方の靴下に何かが起きると、どれほど離れていても、もう一方の靴下にも即座に影響が及びます。これが量子もつれ（entanglement）**です。

科学者が直面している問題は、「どうすればその違いを見分けられるのか？」ということです。
単純な箱であれば、簡単なテストがあります。しかし、より複雑な箱（具体的には3x3次元）の場合、標準的なテストでは可分に見えるものの、実際には量子もつれ状態であるという「トリッキー」な状態が存在します。これらは、目の前にあるのに隠れている「ゴースト」のようなものです。

旧来の道具 vs 新しい道具

長い間、科学者は**部分転置（Partial Transpose）**と呼ばれる道具を使用してきました（これは特定の種類の鏡だと考えてください）。もし、その状態を鏡で見たときに「壊れて」いれば（負の値であれば）、それは量子もつれ状態であると分かります。しかし、もし鏡に映った状態が「正常」に見える（正の値であれば）、鏡は「分かりません、おそらく可分でしょう」と答えます。

しかし、上述の「ゴースト」状態はこの鏡のテストをパスしてしまいます。見た目が正の値であるため、鏡はそれを見逃してしまうのです。

本論文の著者たちは、正だが完全正ではない（PnCP）写像に基づいた、より感度の高い新しい道具を導入しました。

• 比喩： 大きな石はキャッチするが砂は通してしまう「ふるい（フィルター）」を想像してください。旧来の鏡のテストは、穴の大きなふるいです。明らかな量子もつれ状態はキャッチできますが、「ゴースト」状態をすり抜けさせてしまいます。
• 新しいPnCP写像は、より細かいメッシュを持つふるいのようです。これらは、従来の鏡が見逃してしまう「ゴースト」状態を捕まえるために特別に設計された数学的ツールです。

新しい道具の構築方法

著者たちは、この新しいふるいをどう作るかを単に推測したわけではありません。彼らは、量子物理学と多項式（$x$や$y$のような変数を持つ数学の方程式）という、2つの異なる世界の巧妙なつながりを利用しました。

1. 数学的なトリック： 彼らは、常に正（決してゼロを下回らない）であるが、他の方程式の平方の和として単純に組み立てることができない特定の種類の数学の方程式（多項式）に着目しました。数学において、これらは稀で特別な「非平方和（non-sum-of-squares）」多項式と呼ばれます。
2. 翻訳： 彼らは数学的な「翻訳機」（同型写像）を使用して、これらの特殊でトリッキーな多項式を、量子もつれ状態を捕まえるために必要な量子「ふるい」（PnCP写像）へと変換しました。
3. コード： 彼らは、これらの多項式を自動生成し、それらを機能する量子検出器へと変換するためのコンピュータプログラム（GitHubで公開）を作成しました。また、計算エラーによって結果が台無しにならないよう、特別な「安全チェック」を追加しました。

得られた知見

著者たちは、2,000個のトリッキーな「ゴースト」状態（PPT量子もつれ状態）のライブラリを用いて、新しい検出器のテストを行いました。結果は以下の通りです。

• 旧来の守護者たちの失敗： これらの状態を標準的な既知のテスト（「再整列（Realignment）」基準や「共分散行列」テストなど）に通したところ、**98.3%**の確率で、テストは「これらは安全／可分である」と判定しました。つまり、テストは量子もつれを見逃しました。
• 新しい道具の成功： 彼らの新しいPnCP写像は、これらの状態における量子もつれを検出することに成功しました。
• 「ゴースト」の性質： 著者らは、これらの新しい写像が非常に敏感であることを発見しました。これらは数学的な「円錐（cone）」の境界線上に位置しています。これは、特定の「ゴースト」状態を見つけることには非常に優れていますが、非常に脆い（脆弱である）ことを意味します。少しでもノイズ（ラジオの静電気のようなもの）を加えると、機能しなくなる可能性があります。つまり、これらは精密ではありますが、堅牢（ロバスト）ではありません。

検出器の「ファミリー」

論文では、これらのツールがどのように機能するかについても興味深い発見がなされています。

• 通常、一つの写像は一つの特定の検出器（例：一つの懐中電灯の光線）を生み出します。
• 著者らは、その単一の写像から、光線の角度をわずかに変えることで、**一連のファミリー（一族）**としての検出器を作ることができることを示しました。
• 様々な角度（異なる「シュミット階数」の状態）を用いてテストすることで、標準的な「Choi」検出器よりも、量子もつれをより明確に捉えられる「より良い角度」を見つけ出すことができました。

述べていないこと（主張していないこと）

この論文が述べていない重要な点についても記しておく必要があります。

• 彼らは、これがエンジニアにとって実用的で日常的な道具であるとは主張していません。数学は複雑であり、検出器はノイズに対して脆弱です。
• 彼らは、これがすべてのケースにおいて量子もつれを瞬時に見つけ出す問題を解決するとも主張していません。論文では、これらの状態を見つけることは計算量的に困難（NP困難）であると認めています。
• 彼らは、特定の状態に対してこれらの写像を「学習」させるために機械学習を使用することを提案していません。彼らはアルゴリズムを分析し、プロセス中のランダムな選択が滑らかに変化しないため、単純な「学習」アプローチは容易には機能しないことを明らかにしました。

まとめ

要約すると、著者たちは、既存の最も優れた網からも隠れ続けてきた特定の種類の量子もつれを捕まえるための、高度に専門化された数学的な「網」を作り上げました。彼らはこの網が機能することを数学的に証明し、他の網が見逃す状態をこの網が捕らえることを示し、他の人々も試せるようにコードを公開しました。しかし、この網は繊細であり、数学的なルールの境界線上に位置しているため、これは頑丈で即戦力となる産業用ツールというよりは、強力な理論的発見であると言えます。

技術概要

技術要約：PnCP写像と非負多項式を用いた二部エンタングルメントの検出

1. 問題設定

もつれ状態（エンタングルド状態）の特性評価、すなわち分離可能性問題は、量子情報理論における中心的な課題である。正の部分転置（PPT）基準は、低次元系（具体的には $2 \times 2$ および $2 \times 3$）においては分離可能性のための必要十分条件を提供するが、高次元における「バウンド・エンタングルメント（PPTエンタングルド状態）」の検出には失敗する。一方で、半正定値計画法に基づくDPS（Doherty-Parrilo-Spedalieri）階層のような完全な基準の階層が存在するものの、その計算コストは指数関数的に増大するため、多くのアプリケーションにおいて実用的ではない。

正であるが完全正（PnCP）ではない写像は、エンタングルメント検出の双対的なツールとして機能する。すなわち、状態 $\rho$ がエンタングルしているための必要十分条件は、ある PnCP 写像 $\Lambda$ が存在して $(\mathbb{I} \otimes \Lambda)(\rho)$ が正定値ではないことである。しかし、新しい、効果的な PnCP 写像を構築することは困難である。近年の理論的研究により、PnCP 写像と、和の平方（SOS）ではない正の多項式との間の関連性が確立された。KSMZ アルゴリズムによる写像生成手法が提案されているが、従来の実装は数値的不安定性の影響を受け、エンタングルメント検出において偽陽性を引き起こしていた。

2. 手法

2.1 理論的枠組み

本論文は、以下の間の同型性に依拠している：

1. 正の写像と多項式： KSMZ 同型性は、線形写像 $\Phi: S_n(\mathbb{R}) \to S_m(\mathbb{R})$ を、二次形式の次数 $(2,2)$ の二重斉次多項式へと写像する。写像が「正」であるための必要十分条件は、対応する多項式が積ベクトル上で非負であることである。
2. 完全正性と SOS： 写像が「完全正（CP）」であるための必要十分条件は、その対応する多項式が SOS 分解を持つことである。
3. 非分解性と 非RSOS： 写像が「非分解的（indecomposable）」である（PPTエンタングルド状態を検出できる）ための必要十分条件は、その対応するエルミート多項式が実数の平方の和（RSOS）ではないことである。

著者らは、状態に関する DPS 階層と多項式に関する SOS 階層の間の双対性を利用して、生成された写像を分類している。

2.2 アルゴリズムの実装

著者らは、MATLAB において KSMZ アルゴリズム [1] を実装し、GitHub で公開している。このアルゴリズムは、以下の 2 ステップで正の非 SOS 多項式を構築する：

1. 商環の構成： 商環 $\mathbb{R}[z]/I_{n,m}$ において動作する。ここで $I_{n,m}$ はランク1の制約（セグレ多様体）を符号化している。セグレ多様体上のランダムな点を選択し、これらの点で消滅する基底 SOS 項 $H(z)$ を構成する。
2. 摂動： 指定された点で 2 次で消滅するが、$H$ を定義する線形形式の積のスペンに含まれない摂動項 $f(z)$ を加える。これにより、結果としての多項式 $q_\delta = H + \delta f$ は、セグレ多様体上で非負であるが、商環内では SOS ではないことが保証される。
3. プルバック： 多項式を biquadratic form（二重二次形式） $p(x,y)$ へとプルバックし、これが PnCP 写像に対応する。

2.3 数値的堅牢性

実装における重要な貢献は、正性を保証するための新しい数値テストである。従来の（例えば [29] のような）実装では、生成された写像が厳密に正ではないという数値的な不正確さの問題があった。著者らは以下の手法を用いた：

• Lasserre の階層を用いて、多項式の値のグローバルな下限を計算する。
• 非定数な二重斉次多項式において、下限（infimum）は $0$または$-\infty$ のいずれかであるという性質を利用する。
• 計算された下限が非負である多項式のみを保持することで、生成された写像が厳密に正であることを保証する。

2.4 エンタングルメント・ウィットネス (EW)

これらの写像を最適化（SDP）に適用するために、著者らは Choi-Jamiołkowski 同型を通じて PnCP 写像をエンタングルメント・ウィットネスへと変換する。さらに、標準的な Choi ウィットネスのみに頼るのではなく、随伴写像 $\Phi^\dagger$ が最大シュミットランクを持つベクトル $|\eta\rangle$ に作用することを考慮した「写像の族」 $\{W_{\Phi, \eta}\}$ を検討することで、写像の検出能力を完全に回復する方法を提案している。

3. 主な貢献

1. 堅牢な実装： 偽陽性を排除し、信頼できる PnCP 写像のライブラリを提供する、数値的に安定した KSMZ アルゴリズムの実装。
2. 理論的特性付け：
   • 非分解性： 生成された写像が非分解的であることを解析的に証明した。これは、対応するエルミート多項式が RSOS ではないことを示すことで証明され、これらが PPT エンタングルド状態を検出できることを意味する。
   • 境界の位置： これらの写像が正の写像の錐（cone）の境界上に位置することを証明しており、これがノイズに対する感度の理由となっている。
   • 非等価性： これらの写像が、一般化された Choi 写像や Breuer-Hall 写像といった既知の族とは非等価であることを示した。具体的には、KSMZ 写像は実対称コアに歪対称部分を持たないという構造的な違いがあり、これが他の写像との等価性を妨げている。
3. ウィットネスの最適化： 単一の PnCP 写像は一族のウィットネスを生成する。行列 $A$（特に最大シュミットランクを持つベクトル $|\eta\rangle$）の選択を最適化することで、標準的な Choi ウィットネスと比較して、検出能力（違反の大きさ）を向上させることができる。

4. 結果

• PPT 状態の検出： $3 \times 3$ 系における数値実験により、KSMZ 写像は標準的な基準（PPT、リアレンメント、共分散行列）が見逃す PPT エンタングルド状態を検出できることが示された。
• QETLAB との比較： 19 個の基準の階層を実装している QETLAB パッケージの IsSeparable 関数と比較したところ、KSMZ ウィットネスは IsSeparable が分類できなかった状態（具体的には、データセット内の最大違反状態の 98.3%）においてエンタングルメントを検出した。
• 違反の大きさ： PPT 状態の検出は、その大きさの観点からは「弱い」。PPT マージン（PPT 状態における負の期待値）は通常 $10^{-6}$ から $10^{-8}$ のオーダーである。これは、ウィットネスが可分解な錐の極めて近くに位置していることを示しており、正の錐の境界にあるという理論的性質と一致している。
• 非等価性の検証： KSMZ 写像が部分転置基準が逃す状態を検出する一方で、部分転置が KSMZ 写像（特定の構成において）が検出できない NPT 状態を検出することを確認し、両者が異なるツールであることを裏付けた。
• 最適化の影響： 可逆行列 $A$ を用いたウィットネスの一族を用いることで、一部の写像において違反の大きさは改善された（例：$-5.02 \times 10^{-8}$ から $-1.37 \times 10^{-7}$ へ）。ただし、この改善はすべての写像において一様ではなかった。

5. 意義と主張

本論文は、正の非 SOS 多項式から PnCP 写像を構成的に生成することに基づいた、エンタングルメント検出のための新しい堅牢な基準を提供すると主張している。

• 理論的洞察： 多項式、写像、および演算子の間の幾何学的・代数的関係を明確にし、特に KSMZ 構成が、構造的に Choi 写像や Breuer-Hall 写像とは異なる非分解的な写像を生み出すことを確立した。
• 実用的有用性： 著者らは、これらの写像による PPT 状態の検出は数値的に脆弱（可分解な境界に近い）であるものの、標準的な基準が見逃す特定の PPT エンタングルド状態を検出する独自の能力を提供すると述べている。
• 限界： 著者らはスケーラビリティと堅牢性について謙虚な姿勢を示している。検出能力は可分解な錐への近接性に制限されており、ノイズに敏感である。さらに、ランダムに生成された写像を適用することは、未知の状態に対する分離可能性問題の多項式時間解法にはならないことを明言している。なぜなら、生成プロセス自体がターゲットとなる状態に対して連続的ではなく、機械学習的なアプローチを阻害するためである。
• 今後の展望： 構築された写像のライブラリを、既存のツール（IsSeparable など）に、追加の非等価なテストとして統合することを提案している。また、新たなクラスの PnCP 写像を作成するために、KSMZ 写像に歪対称部分を加える研究についても言及している。

要約すると、本研究は多項式最適化と量子情報を橋渡しし、標準的な基準が失敗する次元において、エンタングルド状態（バウンド・エンタングルメント）を検出するための、数値的に検証された新しいクラスのエンタングルメント・ウィットネス生成手法を提供している。