Optimising the relative entropy under semidefinite constraints

기술 요약: 준정부호 제약 조건 하에서의 상대 엔트로피 최적화

문제 정의
다루고자 하는 핵심 문제는 준정부호 제약 조건(semidefinite constraints) 하에서 양자 상대 엔트로피 $D(\rho\|\sigma) = \text{tr}[\rho(\log \rho - \log \sigma)]$를 최소화하는 것이다. 이 최적화 문제는 다양한 양자 정보 작업, 특히 실제 장치 측정 통계로부터 양자 키 분배(QKD)의 비밀 키율을 추정하는 데서 발생하는 문제와 직결된다. 수학적 정식화는 다음을 찾는 것을 목표로 한다:
$$\inf D(\rho\|\sigma) \quad \text{s.t.} \quad h_i(\rho, \sigma) \ge 0, \quad \mu\sigma \le \rho \le \lambda\sigma, \quad \rho, \sigma \in \mathcal{S}(\mathcal{H})$$
여기서 $h_i$는 측정 제약을 나타내는 아핀 사상(affine maps)이다. 이 문제는 볼록(convex)하지만, 행렬 로그 함수로 인해 고도로 비선형적이어서 일반적인 볼록 최적화 솔버들을 효과적으로 사용하기 어렵다. 기존 방법들은 수치적 안정성이 부족하거나, 수렴 보장을 결여하거나, 특정 제약 유형(예: 등식 제약만 허용)에 국한되는 경향이 있다.

방법론
저자들은 최근 도입된 양자 상대 엔트로피의 적분 표현식(Frenkel, 2023; Jenčová, 2015)에 기반한 방법을 제안한다. $\mu\sigma \le \rho \le \lambda\sigma$를 만족하는 상태들에 대해, 상대 엔트로피는 다음과 같이 표현된다:
$$D(\rho\|\sigma) = \int_{\mu}^{\lambda} \frac{ds}{s} \text{tr}_+[\sigma s - \rho] + \log \lambda + 1 - \lambda$$
여기서 $\text{tr}_+[A]$는 $A$의 양의 부분(positive part)의 트레이스를 나타낸다. 이 기술적 혁신의 핵심은 이 적분을 이산화하여 비선형 문제를 일련의 준정부호 계획법(SDP)으로 변환하는 것이다.

1. 이산화 및 SDP 정식화: 적분을 격자 $t = (t_1, \dots, t_r)$에 대해 근사한다. $\text{tr}_+[A]$가 SDP(구체적으로 $\text{tr}_+[A] = \sup_{0 \le P \le 1} \text{tr}[PA]$)로 정식화될 수 있다는 성질을 활용하여, 저자들은 상대 엔트로피에 대한 하한(lower bound)을 도출한다. 이는 선형 행렬 부등식을 제약 조건으로 하는 보조 변수 $\mu_k$에 대한 최소화 문제로 이어진다.
2. 상한 및 하한: 이 방법은 최적값에 대한 엄격한 상한($c_u(t)$)과 하한($c_l(t)$)을 모두 제공한다.
   • 하한: 피적분 함수의 볼록 보간(secant lines)을 통해 도출되며, SDP로 정식화된다.
   • 상한: 위로부터의 볼록 보간을 통해 도출되며, 이 또한 SDP로 정식화된다.
3. 갭 추정: $\Delta(t) = c_u(t) - c_l(t)$는 임의의 반복 단계에서 최적값에 대한 엄격한 갭 추정치 역할을 한다.
4. 격자 세분화: 저자들은 하위 선형 수렴(sublinear convergence)을 보장하는 재귀적 격자 구축 전략(Corollary 의 부연)을 확립한다. 격자점은 오차 $\epsilon$에 대해 $O(\sqrt{\lambda/\epsilon})$의 속도로 감소하도록 선택된다.

주요 기여

• 증명 가능한 경계: 본 연구는 상대 엔트로피 최소화 문제에 대해 엄격하고 증명 가능한 상한 및 하한을 제공하는 일련의 SDP를 제공한다.
• 수렴 보장: 이산화 스킴의 하위 선형 수렴을 증명한다. 구체적으로, 목표 정확도 $\epsilon$을 달성하기 위해 필요한 격자점의 수가 $O(\sqrt{\lambda/\epsilon})$의 척도로 스케일링됨을 입증한다.
• 갭 정량화: 기존의 많은 수치적 휴리스틱과 달리, 이 방법은 매 단계마다 최적값에 대한 갭을 명시적으로 계산할 수 있게 하여 원하는 정밀도에 따른 종료 조건을 가능하게 한다.
• f-다이버전스로의 일반화: 함수 $g(s) = \text{tr}_+[\sigma s - \rho]$의 볼록성을 활용하여, 우메가미(Umegaki) 상대 엔트로피뿐만 아니라 임의의 $f$-다이버전스로 방법론을 일반화한다.
• 자원 효율성: 이 접근법은 행렬 로그를 직접 계산하는 데 필요한 $d^2 \times d^2$ 스케일링을 피함으로써 SDP 행렬 차원 측면에서의 효율성을 유지한다.

결과
저자들은 수치적 벤치마크를 통해 제안된 방법을 검증하였다:

• QKD 키율: 얽힘 기반 QKD 시나리오에 적용했을 때, 이 방법은 국소 차원이 최대 8(각 당사자당 3 큐비트)인 경우까지 추출 가능한 무작위성(키율)을 성공적으로 계산하였다. 결과는 표준 개인용 컴퓨터에서 수 초 내에 도출되었다.
• 수렴 동작: 수치 실험은 예측된 하위 선형 수렴 속도를 확인시켜 준다. 격자점의 수가 증가함에 따라 오차가 감소하며, 이는 Corollary 1에서 유도된 이론적 경계와 일치한다.
• 비교 성능: 최신 방법들([12] 및 [14])과 비교했을 때:
  • 이 방법은 작은 인스턴스에 대해 [12]와 대등한 정밀도를 달성하지만, 상대 엔트로피 프로그래밍을 위한 특화된 솔버인 [14]에는 정밀도 면에서 엄격히 뒤처진다.
  • 실행 시간 측면에서, 제안된 방법은 [12]보다 명확한 개선을 보이지만 [14]보다는 느리다.
  • [12]는 상한만을 제공하고, [14]는 특정 콘(cone)에 국한되어 적분 표현의 유연성이 부족한 반면, 본 방법은 상한과 하한을 모두 제공하고 갭을 정량화할 수 있다는 뚜xt한 장점이 있다.

의의 및 주장
본 논문의 주요 의의는 실행 가능한 수치적 도구와 이론적 경계 사이의 간극을 메우는 실용적이고 자원 효율적인 도구를 제공한다는 점에 있다고 주장한다. 어려운 비선형 최적화를 증명 가능한 수렴성을 가진 일련의 SDP로 변환함으로써, 이 방법은 추출 가능한 무작위성에 대한 엄격한 하한이 필수적인 QKD 및 기타 양자 정보 작업에 대한 신뢰할 수 있는 보안 증명을 가능하게 한다.

저자들은 자신의 방법이 [14]와 같은 특화된 솔버에 비해 순수 실행 시간 측면에서는 빠르지 않을 수 있지만, 일반적인 아핀 제약(부등식)을 다룰 수 있고 엄격한 갭 추정을 제공할 수 있어, 장치 독립적 QKD 및 채널 용량 추정과 같이 인증된 경계가 필요한 응용 분야에 독보적으로 적합하다고 강조한다. 또한 이 연구는 자원 이론에서 열린 문제인 채널의 상대 엔트로피를 경계 짓기 위한 수치적으로 적용 가능한 알고리즘의 길을 열어준다.