Optimal fidelity estimation when one state is pure via algorithmic Uhlmann transform

技術要約：アルゴリズム的ウールマン変換を用いた、一方の状態が純粋状態である場合の最適な忠実度推定

問題設定
本論文は、2つの量子状態間のウールマン忠実度 $F(\rho_0, \rho_1) = \text{tr}|\sqrt{\rho_0}\sqrt{\rho_1}|$ を推定する問題に取り組んでいる。混合状態に対する一般的な忠実度推定は、状態のランクに依存する複雑性の問題を抱えているが、少なくとも一方の状態が純粋状態である場合、このタスクは大幅に簡略化される。このようなケースでは、忠実度は $F(\rho, |\phi\rangle\langle\phi|) = \sqrt{\langle\phi|\rho|\phi\rangle}$ に帰着する。

本研究以前の、この「一方が純粋状態」というシナリオにおける最適推定器は、どちらの状態が純粋であるかという事前知識を必要としていた。この知識がない場合、最善の手法はSWAPテストと量子振幅推定を組み合わせたものであったが、これは $O(1/\varepsilon^2)$ のクエリ複雑性と $O(1/\varepsilon^4)$ のサンプル複雑性という劣な結果をもたらしていた。著者らは、どちらの状態が純粋であるかを知る必要なく、$\Theta(1/\varepsilon)$ のクエリ複雑性と $\Theta(1/\varepsilon^2)$ のサンプル複雑性を達成する最適な手法を実現することを目指している。

手法
提案される解決策は、アルゴリズム的ウールマン変換を活用したものであり、具体的には、純粋状態の場合に特化したUtsumiら（2025年）による洗練された構成を応用している。核心となる技術的洞察は、忠実度を各状態の純粋化（purification）間の最大重なりとして関連付けるウールマンの定理に基づいている。

1. ウールマン変換の簡略化:
   ある状態（例：$\rho_1 = |\phi\rangle\langle\phi|$）が純粋であるとき、その純粋化は積状態（product state）となる。したがって、ウールマン・クロス演算子 $X = \text{tr}_A(|\psi_0\rangle\langle\psi_1|)$ のランクは高々1である。この特定の条件下では、最適なウールマン・ユニタリ $U^\star$ は、クロス演算子 $X$ 自体に比例し、$U^\star = X / F(\rho_0, \rho_1)$ となる。

2. ユニタリ拡張（Unitary Dilation）:
   著者らは、クロス演算子 $X$ の厳密なユニタリ拡張 $W$ を構築する。この拡張は $W = Q_1^\dagger (I_A \otimes \text{SWAP}_{R', S}) Q_0$ として定義される。ここで、$Q_0$ と $Q_1$ は $\rho_0$ および $\rho_1$ の状態準備回路であり、$S$ は補助レジスタである。演算子 $X$ は、$W$ の補助レジスタをゼロ状態に射影することによって回収される。

3. 双方向推定戦略:
   アルゴリズムはどちらの状態が純粋であるかを知らないため、忠実度を回収するために $W$ を適用すべきか $W^\dagger$ を適用すべきかを事前に判断できない。そこで著者らは、対称的なアプローチを提案する：

   • 2つの量子回路 $U_1$ と $U_0$ を構築する。
   • $U_1$ は $\rho_1$ の純粋化に対して拡張 $W$（順方向）を適用する。
   • $U_0$ は $\rho_0$ の純粋化に対して逆拡張 $W^\dagger$（逆方向）を適用する。
   • 忠実度は、$\max\{a_0, a_1\}$ に等しいことが示される。ここで $a_j$ は、$U_j$ の出力の特定の部分空間への射影に関連する振幅である。

4. 振幅推定:
   アルゴリズムは、平方根振幅推定（量子振幅推定の変種）を用いて振幅 $a_0$ と $a_1$ を推定する。これら2つの推定値の最大値を取ることで、どちらの状態が純粋であるかにかかわらず、忠実度を回収する。

主な貢献と結果

• 最適なクエリ複雑性: 本論文は、どちらの状態が純粋であるかを知らなくても、2つの状態の忠実度を推定するための $\Theta(1/\varepsilon)$ のクエリ複雑性を達成する量子推定器を確立した。これは下界と一致しており、SWAPテストに基づく手法から導かれる $O(1/\varepsilon^2)$ の境界を二次的に改善している。
• 最適なサンプル複雑性: 量子サンプル・クエリ・リフティング技術を適用することで、著者らは $\Theta(1/\varepsilon^2)$ の複雑性を持つサンプル最適推定器を導出した。これもまた、従来の $O(1/\varepsilon^4)$ の境界を二次的に改善している。
• 事前知識の排除: 本研究は、FangおよびWang（ESA 2025）に見られる「数学的には不要な」事前知識の要求を排除し、「純粋状態が既知」の場合と「未知」の場合の最適な推定を統一した。
• 技術的実装: 本手法は、クロス演算子のランク1の特性を利用して、直接的なユニタリ拡張を通じてウールマン変換を実装することで、この特定のケースにおいて量子シンギュラ・バリュー変換（QSVT）の重厚なメカニズムを回避している。

意義
本論文は、どちらの状態が純粋であるかを知らずに機能する、片方が純粋状態である場合の忠実度推定における初の最適推定器を確立したと主張している。洗練されたアルゴリズム的ウールマン変換を特化させることで、著者らは、純粋状態の極限においてランク依存性が完全に消失すること、および「未知の純粋側」のシナリオが、クエリ複雑性の観点において「既知の純粋側」のシナリオよりも複雑ではないことを示している。これらの結果は、この特定の忠実度推定タスクにおける上界と下界のギャップを埋め、量子情報理論における根本的な問題に対する理論的に最適な解を提供している。