Detecting bipartite entanglement with PnCP maps and non-negative polynomials

이 논문은 비-SOS(non-Sum-of-Squares) 다항식을 통해 양의 비-완전 양의(PnCP) 사상을 생성하는 알고리즘의 수치적으로 강건한 구현을 제시하며, 이들의 이론적 유일성과 기존 판정법에 비해 PPT 얽힘 상태를 탐지하는 우수한 능력을 입증한다.

핵심

개요: "보이지 않는" 접착제 찾기

두 개의 상자가 있다고 상상해 보세요. 때때로 이 상자들의 내용물은 그저 옆에 놓여 있는 별개의 두 물체일 뿐입니다 (예를 들어 한 상자에는 양말이, 다른 상자에는 신발이 들어 있는 경우). 우리는 이를 **분리 가능(separable)**하다고 부릅니다. 하지만 때로는 이 내용물들이 일반적인 물리학을 거스르는 방식으로 마법처럼 연결되어 있기도 합니다. 즉, 양말에 일어난 일이 아무리 멀리 떨어져 있더라도 신발에 즉각적으로 영향을 미치는 식입니다. 이것이 바로 **얽힘(entanglement)**입니다.

과학자들이 직면한 문제는 다음과 같습니다: 우리는 어떻게 이 둘의 차이를 구별할 것인가?
단순한 상자의 경우에는 쉬운 테스트 방법들이 있습니다. 하지만 더 복잡한 상자(구체적으로 3x3 차원)의 경우, 표준 테스트에는 분리 가능한 것처럼 보이지만 실제로는 얽혀 있는 "까다로운" 상태들이 존재합니다. 이들은 마치 눈앞에서 숨바꼭질을 하는 "유령"과 같습니다.

기존의 도구 vs 새로운 도구

오랫동안 과학자들은 **부분 전치(Partial Transpose)**라고 불리는 도구를 사용해 왔습니다 (이를 특정 종류의 거울이라고 생각하면 됩니다). 만약 상태를 거울에 비추었을 때 "깨져" 보인다면(음수라면), 그것이 얽혀 있다는 것을 알 수 있습니다. 하지만 거울에 비친 모습이 "정상적"으로 보인다면(양수라면), 거울은 "모르겠다, 분리 가능할 수도 있다"라고 답합니다.

하지만 앞서 언급한 "유령" 상태들은 이 거울 테스트를 통과해 버립니다. 거울에는 양수로 보이기 때문에, 거울은 이들을 잡아내는 데 실패합니다.

이 논문의 저자들은 **양의 비완전 긍정(Positive Non-Completely Positive, PnCP) 사상(map)**에 기반한 더 민감한 새로운 도구를 소개합니다.

• 비유: 여러분이 큰 돌은 걸러내고 모래는 통과시키는 체(필터)를 가지고 있다고 상상해 보세요. 기존의 거울 테스트는 구멍이 큰 체와 같습니다. 명백하게 얽힌 상태들은 잡아내지만, "유령" 상태들은 빠져나가게 둡니다.
• 새로운 PnCP 사상은 훨씬 더 미세한 망을 가진 체와 같습니다. 이들은 기존의 거울이 놓치는 그 "유령" 상태들을 포착하기 위해 특별히 설계된 수학적 도구입니다.

새로운 도구를 만든 방법

저자들은 단순히 이 새로운 체를 어떻게 만들지 추측한 것이 아닙니다. 그들은 양자 물리학과 다항식(x와 y 같은 변수를 가진 수학 방정식)이라는 두 가지 서로 다른 세계 사이의 영리한 연결 고리를 사용했습니다.

1. 수학적 기교: 그들은 항상 양수이지만(절대 0 아래로 내려가지 않지만), 단순히 다른 방정식들의 제곱을 더하는 방식으로는 만들 수 없는 특정 유형의 수학 방정식(다항식)을 살펴보았습니다. 수학에서 이것들은 매우 희귀하고 특별한 "비제곱합(non-sum-of-squares)" 다항식입니다.
2. 번역: 그들은 이 특별하고 까다로운 다항식을 얽힌 상태를 잡아내는 데 필요한 양자 "체"(PnCP 사상)로 바꾸기 위해 수학적 "번역기"(동형 사상, isomorphism)를 사용했습니다.
3. 코드: 그들은 이러한 다항식을 자동으로 생성하고 이를 작동하는 양자 검출기로 변환하는 컴퓨터 프로그램(GitHub에서 확인 가능)을 작성했습니다. 또한 컴퓨터가 결과값을 망칠 수 있는 미세한 계산 오류를 범하지 않도록 특별한 "안전 점검" 기능을 추가했습니다.

연구 결과

저자들은 자신들의 새로운 검출기를 2,000개의 까다로운 "유령" 상태(PPT 얽힘 상태) 라이브러리를 대상으로 테스트했습니다. 결과는 다음과 같았습니다.

• 기존의 수호자들의 실패: 이 상태들을 표준적이고 잘 알려진 테스트(예: 재정렬(Realignment) 기준 또는 공분산 행렬(Covariance Matrix) 테스트)에 통과시켰을 때, **98.3%**의 확률로 테스트는 "이것들은 안전하다/분리 가능하다"라고 답했습니다. 즉, 테스트가 얽힘을 놓쳤습니다.
• 새로운 도구의 성공: 저자들의 새로운 PnCP 사상은 이 상태들 속의 얽힘을 성공적으로 탐지해 냈습니다.
• "유령"의 본질: 저자들은 이 새로운 사상들이 매우 민감하다는 것을 발견했습니다. 이들은 유효한 검출기들의 수학적 "원뿔(cone)" 경계에 바로 걸쳐 있습니다. 이는 이들이 특정 "유령" 상태를 찾는 데는 탁월하지만, 매우 취약하다는 것을 의미합니다. 만약 약간의 노이즈(라디오의 잡음 같은 것)가 추가된다면, 이들은 제대로 작동하지 않을 수 있습니다. 즉, 정밀하지만 견고하지는 않습니다.

검출기의 "가족"

논문은 또한 이 도구들이 어떻게 작동하는지에 대한 흥eli로운 사실도 발견했습니다.

• 보통 하나의 사상은 하나의 특정 검출기(마치 단일 손전등 빛줄기처럼)를 만듭니다.
• 저자들은 단일 사상으로부터 빛의 각도를 약간씩 조절함으로써 전체 가족(whole family) 형태의 검출기들을 만들어낼 수 있다는 것을 보여주었습니다.
• 다양한 각도(서로 다른 슈미트 계수(Schmidt rank) 상태 사용)를 테스트함으로써, 그들은 표준적인 "초이(Choi)" 검출기보다 얽힌 상태를 더 명확하게 잡아내는 더 나은 각도를 찾아낼 수 있었습니다.

저자들이 주장하지 않은 것

이 논문이 말하지 않은 내용을 유의하는 것이 중요합니다:

• 저자들은 이것이 아직 엔지니어들을 위한 실용적이고 일상적인 도구라고 주장하지 않았습니다. 수학은 복잡하며, 검출기들은 노이즈에 취약합니다.
• 저자들은 이것이 모든 경우에 대해 얽힘을 즉각적으로 찾아내는 문제를 해결했다고 주장하지 않았습니다. 논문은 이러한 상태를 찾는 것이 계산적으로 매우 어렵다(NP-hard)는 점을 인정합니다.
• 저자들은 특정 상태에 대해 이 사상들을 "학습"시키기 위해 머신러닝을 사용하는 것을 제안하지 않았습니다. 그들은 알고리즘을 분석한 결과, 과정 중에 발생하는 무작위 선택들이 매끄럽게 변하지 않으므로 단순한 "학습" 접근 방식은 효과적이지 않다는 것을 발견했습니다.

요약

요컨대, 저자들은 기존의 가장 좋은 그물들도 놓치고 있던 특정 유형의 양자 얽힘을 잡기 위해 매우 특화된 수학적 "그물"을 만들었습니다. 그들은 이 그물이 작동한다는 것을 수학적으로 증명했고, 다른 그물들이 놓치는 상태들을 잡아내는 것을 보여주었으며, 다른 이들도 시도해 볼 수 있도록 코드를 공개했습니다. 그러나 이 그물은 매우 섬세하며 수학적 규칙의 경계에 걸쳐 있으므로, 이는 견고하고 바로 사용할 수 있는 산업용 도구라기보다는 강력한 이론적 발견에 가깝습니다.

기술 요약

기술 요약: PnCP 맵과 비음수 다항식을 이용한 이분 얽힘(Bipartite Entanglement) 탐지

1. 문제 정의

얽힌 상태(entangled states)의 특성을 규명하는 것, 즉 분리 가능성 문제(separability problem)는 양자 정보 이론의 핵심 과제이다. 양의 부분 전치(Positive Partial Transpose, PPT) 기준은 저차원 시스템($2 \times 2$ 및 $2 \times 3$)에서는 분리 가능성에 대한 필요충분조건을 제공하지만, 고차원에서의 "결합된 얽힘(bound entangled)" 상태(PPT 얽힌 상태)를 탐지하는 데는 실패한다. 반도정치 계획법(Semi-Definite Programs, SDP)에 기반한 도터티-파릴로-스페달리(Doherty-Parrilo-Spedalieri, DPS) 계층 구조와 같은 완전한 계층적 기준들이 존재하지만, 이들의 계산 비용은 지수적으로 증가하여 많은 응용 분야에서 실용적이지 못하다.

양의 아니면 완전 양의(Positive but not Completely Positive, PnCP) 맵은 얽힘 탐지를 위한 이중 도구 역할을 한다: 상태 $\rho$는 PnCP 맵 $\Lambda$가 존재하여 $(\mathbb{I} \otimes \Lambda)(\rho)$가 양의 준정부호(positive semi-definite)가 아닐 때 얽힌 상태가 된다. 그러나 새로운, 효과적인 PnCP 맵을 구축하는 것은 어렵다. 최근의 이론적 연구는 PnCP 맵과 합의 제곱(Sum-of-Squares, SOS)이 아닌 양의 다항식 사이의 연결 고리를 확립하였다. KSMZ 알고리즘이 이러한 맵을 생성하기 위해 제안되었으나, 이전의 구현체들은 수치적 불안정성으로 인해 얽힘 탐지 시 가짜 양성(false positives)을 초래하는 문제가 있었다.

2. 방법론

2.1 이론적 프레임워크

본 논문은 다음 간의 동형 관계(isomorphism)에 의존한다:

1. 양의 맵과 다항식: KSMZ 동형 관계는 선형 맵 $\Phi: S_n(\mathbb{R}) \to S_m(\mathbb{R})$를 bidegree $(2,2)$의 이중 동차 다항식(bihomogeneous polynomials)으로 매핑한다. 맵이 양(Positive)이라는 것은 연관된 다항식이 곱 벡터(product vectors) 상에서 비음수(non-negative)라는 것과 동치이다.
2. 완전 양의 성질과 SOS: 맵이 완전 양의(Completely Positive, CP)라는 것은 연관된 다항식이 SOS 분해를 가짐을 의미하며, 이는 동치이다.
3. 비가분성과 비-RSOS: 맵이 비가분적(indecomposable, PPT 얽힌 상태를 탐지할 수 있음)이라는 것은 연관된 에르미트 다항식이 실수 합의 제곱(Real Sum-of-Squares, RSOS)이 아님을 의미하며, 이 또한 동치이다.

저자들은 상태를 위한 DPS 계층 구조와 다항식을 위한 SOS 계층 구조 사이의 쌍대성을 활용하여 생성된 맵들을 분류한다.

2.2 알고리즘 구현

저자들은 KSMZ 알고리즘([1] 참조)을 MATLAB으로 구현하였으며, 이를 GitHub을 통해 공개하였다. 이 알고리즘은 두 단계에 걸쳐 양의 비-SOS 다항식을 구성한다:

1. 몫 환(Quotient Ring) 구성: 이는 세그레 다양체(Segre variety)의 랭크-1 제약을 인코딩하는 몫 환 $\mathbb{R}[z]/I_{n,m}$에서 작동한다. 세그레 다양체 상의 무작위 점들을 선택하고, 이 점들에서 소멸하는 기초 SOS 항 $H(z)$를 구성한다.
2. 섭동(Perturbation): $H$를 정의하는 선형 형식들의 곱의 스팬(span) 밖에 있으면서, 규정된 점들에서 2차로 소멸하는 섭동 항 $f(z)$를 더한다. 이를 통해 결과물인 다항식 $q_\delta = H + \delta f$가 세그레 다양체 상에서 비음수이면서도 몫 환 내에서 SOS가 아님을 보장한다.
3. 풀백(Pullback): 다항식을 biquadratic form $p(x,y)$로 풀백하며, 이는 PnCP 맵에 대응한다.

2.3 수치적 견고성

이 구현의 핵심적인 기여는 양의 성질을 보장하는 새로운 수치 테스트이다. 이전의 구현체들(예: [29])은 생성된 맵이 엄격하게 양의 성질을 갖지 못하는 수치적 부정확성 문제를 겪었다. 저자들은 다음과 같은 방법을 사용한다:

• Lasserre 계층 구조를 사용하여 다항식 값의 전역 하한(global lower bound)을 계산한다.
• 비상수(non-constant) 이중 동차 다항식에 대해, 하한은 $0$또는$-\infty$ 중 하나라는 성질을 활용한다.
• 계산된 하한이 비음수인 다항식만을 유지함으로써, 생성된 맵이 엄격하게 양임을 보장한다.

2.4 얽힘 증인 (Entanglement Witnesses, EWs)

이 맵들을 최적화(SDP)에 적용하기 위해, 저자들은 초이-자모로프스키(Choi-Jamiołkowski) 동형 관계를 통해 PnCP 맵을 얽힘 증인으로 변환한다. 나아가, 표준 초이 증인(Choi witness)에만 의존하는 대신, 최대 슈미트 랭크(maximal Schmidt rank)를 가진 벡터 $|\eta\rangle$에 작용하는 수반 맵(adjoint map) $\Phi^\dagger$로부터 유도된 증인들의 가족(family) $\{W_{\Phi, \eta}\}$를 고려함으로써 맵의 전체 탐지 능력을 회복하는 방법을 제안한다.

3. 주요 기여

1. 견고한 구현: 가짜 양성을 필터링하여 신뢰할 수 있는 PnCP 맵 라이브러리를 제공하는, KSMZ 알고리즘의 수치적으로 안정적인 구현.
2. 이론적 특성 규명:
   • 비가분성: 저자들은 생성된 맵들이 비가분적임을 분석적으로 증명한다. 이는 연관된 에르미트 다항식이 RSOS가 아님을 보여줌으로써 입증되며, 이는 곧 PPT 얽힌 상태를 탐지할 수 있음을 의미한다.
   • 경계 위치: 이 맵들이 양의 맵의 원뿔(cone of positive maps) 경계에 위치함을 증명하며, 이것이 노이즈에 대한 민감성을 설명한다고 밝힌다.
   • 비동등성: 이 맵들이 일반화된 초이 맵(generalized Choi maps) 및 브로이어-홀(Breuer-Hall) 맵과 같은 알려진 가문들과 동등하지 않음을 보인다. 구체적으로, KSMZ 맵은 실 대칭 핵(real symmetric core)에 왜곡 대칭(skew-symmetric) 부분이 결여되어 있어, 이러한 다른 맵들과 동등해지는 것을 방지하는 구조적 차이를 가진다.
3. 증인 최적화: 단일 PnCP 맵이 증인의 가족을 생성함을 보여준다. 최대 슈미드 랭크를 가진 벡터 $|\eta\rangle$를 선택함으로써 최적화하면(즉, 가역 행렬 $A$를 선택함으로써), 표준 초이 증인에 비해 탐지 능력(위반 크기)을 향상시킬 수 있다.

4. 결과

• PPT 상태 탐지: $3 \times 3$ 시스템에 대한 수치 실험에서, KSMZ 맵이 표준 기준들(PPT, realignment, covariance matrix)이 놓치는 PPT 얽힌 상태를 탐지할 수 있음을 보여준다.
• QETLAB과의 비교: 19개의 기준을 구현한 QETLAB 패키지의 IsSeparable 함수와 비교했을 때, KSMZ 증인은 표준 기준들이 분류에 실패한 상태들에서 얽힘을 탐지하였다(구체적으로, 데이터셋 내에서 최대 위반을 보이는 상태 중 98.3%가 표준 기준들에 의해 탐지되지 않았다).
• 위반 크기: PPT 상태의 탐지는 크기 측면에서 "약하다(weak)". PPT 마진(PPT 상태에서의 음의 기대값)은 일반적으로 $10^{-6}$에서 $10^{-8}$ 정도이다. 이는 증인들이 가분적 원뿔(decomposable cone)에 매우 가깝게 위치함을 나타내며, 이는 양의 원뿔 경계에 위치한다는 이론적 결과와 일치한다.
• 비동등성 검증: 저자들은 KSMZ 맵이 부분 전치(Partial Transpose) 기준이 놓치는 상태를 탐지하고, 역으로 부분 전치가 KSMZ 맵이 (특정 구성에서) 탐지하지 못할 수 있는 NPT 상태를 탐지함을 검증함으로써, 두 도구가 구별됨을 확인하였다.
• 최적화의 영향: 가역 행렬 $A$를 통한 증인 가족의 사용은 일부 맵에서 위반 크기를 개선하였으나(예: $-5.02 \times 10^{-8}$에서 $-1.37 \times 10^{-7}$로), 이러한 개선이 모든 맵에서 균일하게 나타나지는 않았다.

5. 의의 및 주장

본 논문은 양의 비-SOS 다항식으로부터 PnCP 맵을 구성적으로 생성하는 것에 기반한 새롭고 견고한 얽힘 탐지 기준을 제공한다고 주장한다.

• 이론적 통찰: 다항식, 맵, 그리고 연산자 사이의 기하학적 및 대수적 관계를 명확히 하며, 특히 KSMZ 구성이 구조적으로 초이 맵이나 브로이어-홀 맵과 구별되는 비가분적 맵을 생성함을 확립한다.
• 실용적 효용성: 저자들은 이 맵들이 가분적 경계에 근접해 있어 노이즈에 민감하지만, 표준 기준들이 놓치는 특정 PPT 얽힌 상태들을 탐지할 수 있는 독특한 능력을 제공한다고 주장한다.
• 한계점: 저자들은 확장성 및 견고성에 대해 겸허한 태도를 보인다. 이들은 탐지 능력이 가분적 원뿔과의 근접성으로 인해 제한되어 노이즈에 민감하다고 언급한다. 또한, 무작위로 맵을 생성하고 적용하는 것이 미지의 상태에 대한 다항 시간(polynomial-time) 해결책이 될 수는 없다고 명시한다. 이는 생성 과정 자체가 대상 상태에 대해 연속적이지 않아 머신 러닝 접근법을 저해하기 때문이다.
• 향후 연구: 저자들은 구축된 맵 라이브러리가 IsSeparable과 같은 기존 도구에 추가적인, 동등하지 않은 테스트로서 통합될 수 있음을 시사한다. 또한, KSMZ 맵에 왜곡 대칭 부분을 추가하여 새로운 클래스의 PnCP 맵을 생성할 수 있는 향후 연구를 제안한다.

요약하자면, 본 연구는 다항식 최적화와 양자 정보를 연결하여, 표준 기준이 실패하는 차원에서 바운드 얽힘(bound entanglement)을 탐지하기 위한 새로운 클래스의 얽힘 증인을 생성하는 수치적으로 검증된 방법을 제공함으로써 도구 상자를 확장하였다.