Refined sample complexities from the tomographic rate function

技術要約：トモグラフィー・レート関数による精緻化されたサンプル複雑性

問題提起
量子状態トモグラフィーは、$n$ 個の未知の状態のコピーから、未知の密度行列 $\rho$ を再構成することを目的としている。トモグラフィー・プロトコルの性能は、伝統的に**サンプル複雑性（sample complexity）**によって特徴付けられる。これは、推定された状態 $\sigma$ が、高い確率 $1-\delta$ で真の状態 $\rho$ から距離 $\epsilon$ 以内にあることを保証するために必要なサンプル数 $n$ である。近年の研究では、複数のプロトコル（例：Keyl のプロトコル、Haah らのプロトコル、および Pretty Good Measurement (PGM) のバリアント）が、トレース距離に対するサンプル複雑性の最適なスケーリングを共有していることが特定されている。しかし、これらのプロトコルは、推定値の確率分布において大きく異なる挙動を示す。具体的には、誤った状態の近傍に対して、指数関数的に異なる確率を割り当てる。このことは、既存のサンプル複雑性の指標が、プロトコルの性能、特に稀に発生する大きな偏差（large deviations）の可能性を区別するのに十分であるかという疑問を投げかけている。

手法
著者らは、推定値の確率分布が同時ユニタリ回転に対して不変である**共変トモグラフィー・プロトコル（covariant tomography protocols）**を分析するための統一的な枠組みを構築した。核となる手法は以下の通りである：

1. 大偏差理論 (Large Deviation Theory, LDP): 失敗確率の閾値のみに焦点を当てるのではなく、著者らは、 $n \to \infty$ において、与えられた真の状態 $\rho$ に対して得られる推定値 $\sigma$ の確率を制御するレート関数 $I(\sigma \| \rho)$ を分析する：
   $$P_n^T(\sigma|\rho) \asymp \exp\{-n I(\sigma \| \rho)\}.$$
   レート関数が大きいほど、特定の誤差が発生する確率は指数関数的に低くなる。

2. Schur-Weyl 双対性と共変プロトコル: 分析には、 $n$ 個のコピーからなるヒルベルト空間を、対称群 $S_n$ とユニタリ群 $U(d)$ の既約表現へと分解するための Schur 変換を利用する。著者らは、表現ブロック上で作用する「シード演算子」 $K_\lambda$ に基づいてプロトコルを分類している。これにより、以下のレート関数の系統的な導出が可能となる：

   • Keyl のプロトコル: 最高ウェイト射影を使用。
   • Haah らのプロトコル: 表現の次元に関連する特定のシード演算子を使用。
   • Pretty Good Measurements (PGM): Hilbert-Schmidt 事前分布およびランダムな純化に基づくプロトコルを含む。

3. 新しいダイバージェンス族: 著者らは、レート関数を統一する 2 パラメータのダイバージェンス族 $I_{\beta,\gamma}(\sigma \| \rho)$ を導入する。これらは、リバース・サンドイッチ・レニー・ダイバージェンスや Keyl のリバース相対エントロピーなどの既知の量に関連付けられている。

4. Wasserstein 距離の分析: サンプル複雑性の分離を示すために、著者らは、特定の因子化を持つ跡ノルムを介した 1 次の量子 Wasserstein 距離 ($W_1$) を用いる。また、Wasserstein 距離を量子相対エントロピーに関連付ける量子 Marton 不等式（量子ビット数 $m$ を係数として含む）を利用する。

主な貢献と結果

1. レート関数の導出:
   本論文では、新しいダイバージェンス族 $I_{\beta,\gamma}$ を用いて、いくつかの著名なプロトコルの明示的なレート関数を導出している：

   • PGM (一様スペクトル事前分布): $I_{\text{PGM}}^\beta(\sigma \| \rho) = I_{\beta,\beta}(\sigma \| \rho)$.
   • Haah のプロトコル (パワー重み付き): $I_{\text{Haah}}^\beta(\sigma \| \rho) = I_{\beta,\infty}(\sigma \| \rho)$.
   • Keyl のプロトコル: リバース相対エントロピー $D_R(\sigma \| \rho)$。

2. プロトコルの厳密な順序付け:
   著者らは、すべての $\beta > 0$ および状態 $\sigma, \rho$ に対して、これらのレート関数の厳密な順序付けを証明している：
   $$I_{\text{PGM}}^\beta(\sigma \| \rho) \leq I_{\text{Haah}}^\beta(\sigma \| \rho) \leq I_{\text{Keyl}}(\sigma \| \rho).$$
   決定的なことに、特定の状態において、これらの不等式は厳密である。これは、これらすべてのプロトコルが（従来のトレース距離の意味で）「サンプル最適」である一方で、その大偏差性能においては厳密に順序付けられていることを示している。Keyl のプロトコルは最大のレート関数（最良の大偏差挙動）を達成し、PGM バリアントはより小さいレートを持つ。

3. Wasserstein サンプル複雑性における分離:
   本論文は、誤差をトレース距離ではなく Wasserstein 距離で測定する場合、レート関数の順序付けがサンプル複雑性の分離へと翻訳されることを確立している。

   • 量子 Marton 不等式 ($W_1^2 \leq \frac{m}{2} D(\sigma \| \rho)$) を用いて、最大混合状態の下での Wasserstein メトリックにおける PGM プロトコルのサンプル複雑性が、Keyl のプロトコルよりも厳密に大きくなることを示している。
   • 定理 1.2 は、この分離を定量化している：$d=2^m$ かつ特定のパラメータにおいて、サンプル複雑性の比は以下の下限を満たす：
     $$\frac{N_{\text{PGM}}}{N_{\text{Keyl}}} \geq \frac{\epsilon \log d}{32}.$$
     この結果は、トレース距離のサンプル複雑性では区別できないプロトコルが、Wasserstein 距離を用いた性能においては区別可能であることを証明している。具体的には、PGM プロトコルは、Keyl のプロトコルが必要とする数の少なくとも $\frac{\epsilon \log d}{32}$ 倍のサンプルを必要とし、標準的な意味で「最適」とされるものの中でも、非自明な効率の差があることを示している。

意義と主張
本論文は、トモグラフィー・レート関数が、標準的なサンプル複雑性よりもプロトコルの性能を示す、より精緻な指標であることを主張している。サンプル複雑性が、小さな誤差球内に留まるために必要なサンプル数の「粗い」視点を提供するのに対し、レート関数は稀な大きな偏差の統計的挙動を特徴付ける。

著者らは以下のように断言している：

• レート関数は、サンプル複雑性と異なり、状態空間上の距離尺度の選択に依存しない。
• レート関数の厳密な順序付けは、「最適」なプロトコルが同等ではないことを意味する。すなわち、Keyl のプロトコルは大偏差性能の観点から PGM ベースのプロトコルよりも厳密に優れている。
• この優位性は、Wasserstein 距離を誤差指標として使用する場合のサンプル複雑性に具体的に現れ、トレース距離の分析が見逃してしまう分離を明らかにする。

本研究は新しい実験セットアップを提案するものではなく、量子状態トモグラフィー・プロトコルをどのように比較すべきかについての理論的な洗練を提供しており、標準的な意味で「最適」とされるものの中でも、大きな偏差や特定の距離尺度（Wasserstein など）に敏感なアプリケーションにおいては、プロトコルの選択が極めて重要であることを示唆している。