Simulation of Adjoints and Petz Recovery Maps for Unknown Quantum Channels

技术摘要：未知量子信道的伴随算子与 Petz 恢复映射的模拟

问题陈述
本文探讨了量子信息理论中的一个基本问题：对未知量子信道的变换（特别是复共轭 $N^*$、转置 $N^T$ 和伴随 $N^\dagger$）的物理可实现性。虽然这些变换对于幺正操作（其中 $U \to U^\dagger$ 对应于时间反演）是广为人知的，但对于一般开放系统动力学（量子信道）而言，其实现面临着截然不同的挑战。一个主要的困难在于，虽然信道的复共轭仍然是一个完全正（CP）且保迹（TP）的映射，但转置和伴随通常不是 TP 的，这意味着它们不构成有效的量子信道。核心问题在于，这些非 TP 映射是否可以通过概率性超映射（supermaps）来实现，还是需要通过虚拟（拟概率）方案来实现。

方法论
作者采用了一套高阶量子变换的层级结构，区分了以下内容：

1. 概率性梳状结构（Probabilistic Combs）： 以一定概率成功（后选择）的物理协议。
2. 虚拟梳状结构（Virtual Combs）： 基于拟概率分解的协议，通过将物理过程与负权重结合来模拟非物理映射。

该方法论包括：

• 后选择隐形传态（Post-selected Teleportation）： 利用最大纠缠态和 Bell 测量，以概率方式实现未知信道的转置。
• 无结果证明（No-Go Proofs）： 使用反证法证明，即使使用有限个输入信道的副本，也不存在任何完全正（CP）超映射可以普遍实现复共轭或伴随映射。
• Werner-Holevo 信道： 构建一个使用 Werner-Holevo 信道（$W^\pm_d$）作为前处理和后处理步骤的虚拟梳状结构。这些信道将所需的转置项与各向同性噪声混合。通过对这些信道进行线性组合（拟概率混合），可以抵消噪声项，从而分离出非物理的复共轭映射。
• 钻石范数优化（Diamond Norm Optimization）： 使用基范数（等价于梳状结构的钻石范数）来量化虚拟梳状结构与物理梳状结构的偏差，从而证明所提构建方案的最优性。
• Petz 恢复估计（Petz Recovery Estimation）： 将虚拟伴随协议与块编码（block-encoding）技术相结合，用于估计 Petz 恢复映射的期望值，而无需访问信道的 Stinespring 等距映射（isometry）。

主要贡献与结果

1. 严格的可实现性层级：

   • 转置 ($N^T$)： 被证明可以通过概率性后选择隐形传态协议实现。对于 unital 信道，成功概率为 $1/d^2$。
   • 复共轭 ($N^*$) 与伴随 ($N^\dagger$)： 本文证明了一个“无结果”定理（定理 1），指出对于未知信道，即使是概率性地，也无法通过任何完全正超映射实现 $N^*$ 或 $N^\dagger$。这确立了幺正操作与一般信道变换之间的根本差距。

2. 复共轭的虚拟协议：

   • 作者设计了一个 1-slot 虚拟梳状结构（定理 3），利用 Werner-Holevo 信道的拟概率分解来普遍实现复共轭 $N^*$。
   • 该协议涉及从三种特定的物理过程组合中进行采样（具有特定的概率 $p_1, p_2, p_3$），并通过经典后处理来重建期望值 $\text{Tr}[O N^*(\rho)]$。
   • 最优性： 定理 4 确定了所构建的虚拟梳状结构达到了最小可能的基范数（采样开销）$d_A d_B - d_A + 1$，证明了该构建在钻石范数意义下是最优的。

3. Petz 恢复映射估计：

   • 本文提出了一种协议，用于估计给定先验状态 $\sigma$ 时，未知信道 $N$ 的 Petz 恢复映射的期望值 $\text{Tr}[O_A P_{\sigma, N}(\omega_B)]$。
   • 不同于以往依赖于对 Stinespring 等距映射进行块编码（如文献 [30, 31]），或具有高查询复杂度的确定性近似方法，该方法仅需对信道进行黑盒访问。
   • 查询复杂度： 对于 unital 信道，查询复杂度为 $O\left(\frac{d_A^3 d_B^3}{\varepsilon^2} \log \frac{1}{\delta}\right)$。相比于文献 [31] 中规模为 $O\left(\frac{d_A^{5.5} d_B^{2.5}}{\varepsilon^4 \lambda_{\min}^{3/2}} \dots\right)$ 的确定性近似，这代表了显著的改进。

意义
本文声称为通用对偶映射（共轭、转置、伴随）的物理实现提供了一个完整的图景。其重要性在于：

• 解决基本极限： 它明确区分了物理超映射（可以处理转置，但不能处理共轭/伴随）与虚拟协议（可以处理所有三种）的能力。
• 赋能新应用： 通过提供伴随映射的虚拟协议，这项工作使得仅通过黑盒信道访问即可估计 Petz 恢复映射成为可能。这对于表征量子动力学的可逆性以及近乎最优的纠错至关重要。
• 高效性： 与现有的确定性方法相比，该方法在估计 Petz 映射期望值方面提供了多项式级的查询复杂度提升，使其在处理涉及开放系统的实际量子信息处理任务时更具可行性。

作者指出，该框架允许探测通用开放量子系统中的时间排序外相关函数（OTOCs），并提出了向多插槽（multi-slot）设置以及更广泛的高阶变换（量子热力学与误差缓解领域）扩展的未来方向。