Near-optimal incoherent tomography of low-rank quantum channels

技術要約：低ランク量子チャネルの近最適・非コヒーレント・トモグラフィー

問題設定
本研究は、非コヒーレント・モデルにおける量子チャネル・トモグラフィーのクエリ複雑性に対処するものである。目的は、クラウス・ランクが最大 $r$ である未知の量子チャネル $\mathcal{E}: \mathcal{L}(\mathbb{C}^{d_1}) \to \mathcal{L}(\mathbb{C}^{d_2})$ を、ダイヤモンド・ノルム誤差 $\epsilon$ 以内で再構成することである。学習アルゴリズムは非コヒーレント設定で動作する。これは、チャネルへのクエリ間に量子メモリを持たないことを意味し、各チャネル使用後の出力状態を測定しなければならないが、その後の入力および測定は、過去の出力に基づく古典的なトランスクリプトに依存して適応的に決定することができる。精度は、チャネル間の最悪の区別可能性を定量化するダイヤモンド・ノルムによって測定される。

中心となる問いは、この再構成を実現するために必要なチャネル・クエリ数の決定である。コヒーレント・プロトコル（もつれ状態の入力と結合測定を利用するもの）は、「境界から離れた（away-from-boundary）」領域においてクエリ複雑性 $\Theta(d_1 d_2 r / \epsilon^2)$ を達成できることが知られているが、一般的な低ランク・チャネル（$1 < r < d_1 d_2$）における非コヒーレント複雑性は、自明なケースである $r=1$ およびフルランクの場合を除いて、これまで明らかにされていなかった。

手法
本論文は、チャネルのスペクトルの特性に応じて異なる技術的手法を用い、クエリ複雑性の上下限を確立している。

1. 上限（ギャップがある場合）:
   チョイ演算子の非ゼロ固有値が $\Omega(d_1/r)$ によって下限付けられているチャネルに対して、著者らは [SSKKG22] に基づく、補助系（ancilla）を用いた射影最小二乗推定器に基づく非適応的プロトコルを利用する。このプロトコルは、固定された最大もつれ入力状態を準備し、チャネルを適用し、ハール乱数基底で出力を測定する。

   • 主要な技術的革新: 著者らは、ダイヤモンド・ノルム誤差を抑えるための新しい解析手法を開発した。彼らは推定誤差 $\Delta$ を、チョイ演算子のサポートに関するブロックに分解する。重要な構成要素は、パラメータ $\kappa(\mathcal{E}) = d_1 \| \text{tr}_B P_E \|_\infty$ である（ここで $P_E$ はチョイ・サポートへの射影である）。ギャップのあるチャネルでは、$\kappa(\mathcal{E}) = O(r)$ となる。この解析は、サポートの直交補空間上でのユニタリ共役による誤差分布の不変性を利用して、入力周辺分布を「平坦化」し、スカラー・バーンスタイン不等式と被覆ネット（covering net）の議論を通じて、ダイヤモンド距離を厳密に制御することを可能にする。

2. 上限（一般の場合）:
   スペクトルがギャップを持たない（すなわち、$\kappa(\mathcal{E})$ が大きくなり得る）任意のチャネルに対して、著者らは適応的アルゴリズムを提案する。

   • 主要な技術的革新: アルゴリズムは、入力状態を反復的に選択するために、行列指数勾配法（Matrix Multiplicative Weight Update 法）を採用している。核心的な困難は、誤差を制御する量 $\kappa(\sigma_{in})$ が入力状態に対して不連続に依存することである。これを克服するため、著者らは正則化フィルタ $f_s(X) = X(X+sI)^{-1}$ と、それに対応する「正則化された入力感度演算子」$H_s(\sigma_{in})$ を導入する。彼らは、二バッチ推定器を用いて $H_s(\sigma_{in}) + rI$ の乗法的推定値を得る。重み更新ルールは、$H_s$ が大きい入力方向の重みを増加させ、$\|H_s(\bar{\sigma})\|_\infty = O(r)$ となる入力状態 $\bar{\sigma}$ へと $O(\log d_1)$ 回の反復で収束させる。これにより、アルゴリズムは対数的なオーバーヘッドのみで、近最適に近い複雑性を達成できる。

3. 下限:
   下限は、標準的な情報理論的戦略を用いて、「困難なチャネルの族（hard family of channels）」を構築し、ファノの不等式を適用することによって導出される。

   • 主要な技術的革新: 著者らは、ベースとなるチャネルのクラウス演算子を摂動させることで、新しい困難なチャネルの族を構築する。この族は、すべての非ゼロのチョイ固有値が特定の範囲 $[d_1/(4r), 4d_1/r]$ 内に位置するように設計されている。証明では、チャネル・パラメータとアルゴリズムのトランスクリプトの間の相互情報量を抑える。決定的なのは、単一クエリ実験のテスター表現を利用して、1クエリのフィッシャー情報行列のトレースが $O(d_1 d_2 / r)$ によって一様に抑えられることを示す点である。ガウス型ログソボレフ不等式をチャネル・パラメータ上の事前分布に適用することで、このフィッシャー情報量の境界を相互情報量の境界へと変換し、適応的な非コヒーレント・プロトコルであっても、$\Omega(d_1 d_2 r^2 / \epsilon^2)$ クエリが必要であることを確立している。

主要な貢献と結果
本論文は、低ランク量子チャネル・トモグラフィーのクエリ複雑性について、ほぼ完全な特徴付けを提供している。

• ギャップのあるチャネル: $\Omega(d_1/r)$-ギャップを持つチョイ・スペクトルのチャネルに対し、著者らは $\Theta(d_1 d_2 r^2 / \epsilon^2)$ という最適なクエリ複雑性を証明した。これは、固定された最大もつれ入力を用いた非適応的アルゴリズムによって達成される。
• 一般のチャネル: 任意の低ランク・チャネルに対し、適応的アルゴリズムを用いて $O(d_1 d_2 r^2 \log(2d_1) / \epsilon^2)$ という上限を確立した。これは下限とほぼ一致しており、入力次元における対数因子のみが異なっている。
• 下限: クラウス・ランク $r$ のチャネルを学習するあらゆる適応的非コヒーレント・プロトコルに対して、普遍的な下限 $\Omega(d_1 d_2 r^2 / \epsilon^2)$ を証明した。この境界は、ディレーション率 $\tau = rd_2/d_1 = 1$ である境界領域を含む、実現可能な全パラメータ領域において成立する。

本論文の意義は、低ランク・トモグラフィーのクエリ複雑性に関する未解決問題を解決した点にある。その主な意義は、量子メモリの欠如によるコストを定量化したことにある：

• 「アウェイ・フロム・バウンダリ（away-from-boundary）」領域において $\Theta(d_1 d_2 r / \epsilon^2)$ を達成するコヒーレント・プロトコルと比較して、非コヒーレント設定では、およそ $O(r)$ の乗法的オーバーヘッドが生じる。
• コヒーレント設定では、境界領域（$\tau=1$）において $\Theta(d_1 d_2 r / \epsilon)$ というハイゼンベルク・スケーリングを示すが、非コヒーレントの下限は、実現可能な全パラメータ空間において $1/\epsilon^2$ スケーリングを維持する。
• 本結果は、最小ランク（$r=1$）およびフルランク（$r=d_1 d_2$）の既知の知見を、任意の中間ランクへと一般化し、様々なチャネル・ランクにわたる非コヒーレント・トモグラフィーの理解を統一するものである。

著者らは、提案された上限アルゴリズムは補助系（ancilla）を伴うものであり、正確なハール乱数基底に依存していることを指摘しており、補助系を用いないアルゴリズムや近似的なユニタリ・デザインが同等の複雑性を達成できるかという点は、今後の課題として残されている。