The Sample Complexity of Fidelity Estimation to a Known Rank-$r$ Reference State Is $\widetilde{\Theta}(r^2/\varepsilon^2)$

기술 요약: 알려진 랭크 $r$ 참조 상태에 대한 충실도 추정의 샘플 복잡도

문제 정의
본 논문은 미지의 양자 상태 $\rho$와 알려진 랭크 $r$의 참조 상태 $\sigma$ 사이의 루트 울만 충실도(root Uhlmann fidelity) $F(\rho, \sigma) = \text{tr}\sqrt{\sqrt{\sigma}\rho\sqrt{\sigma}}$를 추정하기 위한 샘플 복잡도 $S(r, \varepsilon)$를 결정하는 근본적인 문제를 다룬다. 이전 연구들은 $\Omega(r/\varepsilon^2)$의 하한과 $O(r^2/\varepsilon^2)$의 상한을 확립했으나, $r$만큼의 인자 차이가 미해결 상태로 남아 있었다. 저자들은 샘플 복잡도가 본질적으로 랭크 $r$에 대해 (로그 인자를 제외하고) 이차적(quadratic)인지, 아니면 선형 하한이 타이트한지를 조사한다.

방법론
증명은 "이중 사전 확률 방법(two-prior method)"을 사용하여 하한을 설정한다. 저자들은 다음과 같은 특성을 가진 두 개의 구별된 양자 상태 사전 확률 $\Pi_0$와 $\Pi_1$을 구성한다:

1. 참조 상태 $\sigma$에 대한 충실도 값이 일정한 간격을 가짐 (즉, $\rho \sim \Pi_0$일 때 $F(\rho, \sigma) \le L$이고, $\rho \sim \Pi_1$일 때 $F(\rho, \sigma) \ge H$이며, $H - L > 2\varepsilon$).
2. 이 사전 확률들에 대응하는 $n$-카피 평균 상태들은 트레이스 거리 측면에서 구별 불가능함 (구체적으로, 주장된 하한까지의 $n$에 대해 $d_{\text{tr}}(\mathbb{E}_{\Pi_0}[\rho^{\otimes n}], \mathbb{E}_{\Pi_1}[\rho^{\otimes n}]) = o(1)$).

이 구성은 세 가지 주요 기술적 요소에 의존한다:

• 정확한 스펙트럼 모멘트 매칭 (Exact Spectral Moment Matching): 저자들은 $r$ 차원에서 동일한 $K \approx \Theta(\log r / \log \log r)$ 차수까지의 모멘트를 공유하는 두 개의 확률 분포(스펙트럼) $a^{(0)}$와 $a^{(1)}$를 구성한다. 한 분포는 희소하며(support가 $\alpha r$개의 요소에 있음), 다른 하나는 "양호하게 조건화된(well-conditioned)" 형태이다(질량이 $\beta r$개의 요소에 분포함). 이는 바리센트릭 상쇄 기법(barycentric cancellation technique)과 균등한 가중치를 보장하기 위한 정량적 패킷 교정(quantitative packet correction)을 통해 달성된다.
• 크기 편향된 이중 상관 와셔 모델 (Size-Biased Doubly Correlated Wishart Model): 저자들은 이중 상관 와셔 모델($G = U D^{1/2} Z D^{1/2} V^*$)을 사용하여 행렬 $G$에 대한 사전 확률을 정의한다. 저자들은 $\|G\|_F^{2m}$에 비례하는 방사형 크기 편향(radial size bias)을 도입한다. 이 편향은 $m$-카피 평균 상태의 정규화 인자를 상쇄하여, 결과적으로 생성된 상태의 Schur-라벨 분포가 $s_\lambda(a)^2$에 비례하도록 만든다 (여기서 $s_\lambda$는 Schur 다항식이다).
• 코시 항등식 및 롱-사이클 추정 (Cauchy Identity and Long-Cycle Estimates): 코시 항등식과 프로베니우스 공식을 사용하여, 저자들은 두 사전 확률의 헬링거 친화도(Hellinger affinity)를 가중치 부여된 무작위 순열 모델과 연결한다. 저차 모멘트의 매칭은 순열에서의 짧은 사이클(short cycles)에 의한 기여가 상쇄되도록 보장한다. 상태의 구별 불가능성은 이 순열 모델에서 "롱-사이클(long cycles)"이 나타날 확률을 바운딩하는 문제로 환원되며, 이는 $m$이 이차적 임계값 미만일 때 무시할 수 있는 수준임이 입증된다.

교환 가능한(commuting) 상태에서 일반적인 비교환(non-commuting) 사례로 확장하기 위해, 저자들은 **직합 임베딩(direct-sum embedding)**을 활용한다. 저자들은 기저 상태들을 더 큰 시스템 $T \oplus B$로 임베딩하고, 알려진 참조 상태 $\sigma = \frac{1}{r} P_T$를 도입한다. $\sigma$와 비교환하면서도 충실도 간격을 유지하는 상태 $\omega_{G,q}$를 구성함으로써, 교환 가능성 가정 없이도 하한이 성립하도록 보장한다. 마지막으로, **이항 스로잉(binomial thinning)**을 사용하여 카피의 수를 기초적인 구별 불가능 영역에서 원하는 $1/\varepsilon^2$ 의존도로 스케일링한다.

주요 기여 및 결과

1. 충실도 추정 간극의 해결: 본 논문은 랭크 $r$인 알려진 참조 상태에 대해 샘플 복잡도가 $S(r, \varepsilon) = \tilde{\Theta}(r^2/\varepsilon^2)$임을 증명한다. 구체적으로, $S(r, \varepsilon) = \Omega\left(\frac{r^2}{\varepsilon^2 (\log r)^C}\right)$인 하한을 설정하여, Wang의 선행 연구가 남긴 $r$의 인자 차이를 해소하였다. 이 결과는 고정된 참조 상태 $\sigma = \frac{1}{r} P_T$ (2r-차원 시스템 상) 및 $\sigma$와 교환되지 않는 어려운 계열의 상태들에 대해서도 유효하다.
2. 스펙트럼 추정을 위한 근-이차 장벽: 동일한 프레임워크를 적용하여, 저자들은 양자 스펙트럼(또는 정규화된 제곱근 트레이스 $\text{Tr}(\rho) = \frac{1}{\sqrt{r}}\text{tr}\sqrt{\rho}$)을 일정한 정확도로 추정하기 위한 근-이차 하한 $\tilde{\Omega}(r^2)$을 도출한다. 이 결과는 Pelecanos–Spilecki–Tang–Wright의 최근 상한 $O(r^2 (\frac{\log \log r}{\log r})^2)$와 로그 인자 차이 내에서 일치하며, 이 영역의 샘플 복잡도에 대한 다항식 차수를 효과적으로 결정한다.
3. 양방향 랭크 테스트: 이 기법들은 랭크 $\le \alpha r$인 상태와 랭크-$\alpha r$ 상태 집합으로부터 거리가 먼 상태를 구별하는 데 필요한 $\tilde{\Omega}(r^2)$ 카피의 하한을 제공한다.

의의
본 논문은 참조 상태의 랭크에 따른 충실도 추정 샘플 복잡도의 의존성에 관한 미해결 문제를 해결했다고 주장한다. 충실도 추정과 스펙트럼 추정 모두에서 복잡도가 (로그 인자를 제외하고) 본질적으로 $r$에 대해 이차적임을 입증함으로써, "근-이차 장벽(near-quadratic barrier)"을 설정한다. 이 연구는 정확한 모멘트 매칭과 크기 편향된 Schur 측도(Schur measures), 그리고 가중치 부여된 순열 모델에서의 롱-사이클 추정의 결합이라는 새로운 도구들을 도입하였으며, 이는 다른 비다항식 스펙트럼 범함수(non-polynomial spectral functionals)를 분석하는 데 응용될 수 있다. 결과는 제한 없는 집합적 측정(unrestricted collective measurements) 하에서도 유효하며, 이는 이차적 스케일링이 제한된 측정 전략의 산물이 아니라 문제의 근본적인 한계임을 확인시켜 준다.