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

技术摘要：对已知秩为 $r$ 的参考态进行保真度估计的样本复杂度

问题陈述
本文探讨了一个基本问题，即估计未知量子态 $\rho$ 与已知秩为 $r$ 的参考态 $\sigma$ 之间的根乌尔曼保真度（root Uhlmann fidelity）$F(\rho, \sigma) = \text{tr}\sqrt{\sqrt{\sigma}\rho\sqrt{\sigma}}$ 所需的样本复杂度 $S(r, \varepsilon)$。虽然之前的研究确立了 $\Omega(r/\varepsilon^2)$ 的下界和 $O(r^2/\varepsilon^2)$ 的上界，但仍存在一个 $r$ 倍的因子差距尚未解决。作者研究了保真度估计的样本复杂度本质上是关于秩 $r$ 的二次方（在对数因子范围内），还是维持线性下界。

方法论
证明过程采用了“双先验法”（two-prior method）来建立下界。作者构建了两个不同的量子态先验 $\Pi_0$ 和 $\Pi_1$，使得：

1. 这两个先验对应的保真度值存在常数级间隙（即，对于 $\rho \sim \Pi_0$，有 $F(\rho, \sigma) \le L$；对于 $\rho \sim \Pi_1$，有 $F(\rho, \sigma) \ge H$，且 $H - L > 2\varepsilon$）。
2. 这两个先验对应的 $n$ 份拷贝平均态在迹距离下是不可区分的（具体而言，当 $n$ 达到所声称的下界时，$d_{\text{tr}}(\mathbb{E}_{\Pi_0}[\rho^{\otimes n}], \mathbb{E}_{\Pi_1}[\rho^{\otimes n}]) = o(1)$）。

该构造依赖于三个主要的技术组件：

• 精确谱矩匹配（Exact Spectral Moment Matching）： 作者在 $r$ 维空间上构造了两个具有相同阶矩（直至 $K \approx \Theta(\log r / \log \log r)$ 阶）的概率分布（谱）$a^{(0)}$ 和 $a^{(1)}$。其中一个分布是稀疏的（支撑集在 $\alpha r$ 个元素上），而另一个是“良置”的（质量分布在 $\beta r$ 个元素上）。这是通过重心消去技术（barycentric cancellation technique）结合定量包络修正（quantitative packet correction）以确保权重相等来实现的。
• 尺寸偏置的双重相关维什特模型（Size-Biased Doubly Correlated Wishart Model）： 作者使用双重相关维什特模型（$G = U D^{1/2} Z D^{1/2} V^*$）定义了一个关于矩阵 $G$ 的先验。他们引入了一个与 $\|G\|_F^{2m}$ 成比例的径向尺寸偏置。这种偏置抵消了 $m$ 份拷贝平均态中的归一化因子，使得所得状态的 Schur 标签分布与 $s_\lambda(a)^2$ 成正比（其中 $s_\lambda$ 是 Schur 多项式）。
• 柯西恒等式与长循环估计（Cauchy Identity and Long-Cycle Estimates）： 利用柯西恒等式和 Frobenius 公式，作者将两个先验之间的 Hellinger 亲和力与加权随机置换模型联系起来。低阶矩的匹配确保了置换中短循环的贡献相互抵消。两个状态的不可区分性被简化为对该置换模型中“长循环”概率的估计，结果表明当拷贝数 $m$ 低于二次方阈值时，该概率可以忽略不计。

为了将结果从交换态扩展到一般的非交换情况，作者利用了直和嵌入（direct-sum embedding）。他们将基态嵌入到一个更大的系统 $T \oplus B$ 中，并引入一个已知的参考态 $\sigma = \frac{1}{r} P_T$。通过构造与 $\sigma$ 不交换但保持保真度间隙的态 $\omega_{G,q}$，他们确保了即使在没有交换性假设的情况下，该下界依然成立。最后，利用**二项抽样（binomial thinning）**将拷贝数从基准不可区分区间缩放到所需的 $1/\varepsilon^2$ 依赖关系。

核心贡献与结果

1. 解决保真度估计的间隙问题： 本文证明了对于已知秩为 $r$ 的参考态，其样本复杂度为 $S(r, \varepsilon) = \tilde{\Theta}(r^2/\varepsilon^2)$。具体而言，他们建立了 $\Omega\left(\frac{r^2}{\varepsilon^2 (\log r)^C}\right)$ 的下界，填补了 Wang 先前研究留下的 $r$ 倍因子差距。该结论对于固定参考态 $\sigma = \frac{1}{r} P_T$（位于 $2r$ 维系统上）以及不与 $\sigma$ 交换的困难态族均成立。
2. 谱估计的近二次方障碍： 应用相同的框架，作者推导出估计量子谱（或归一化平方根迹 $\text{Tr}(\rho) = \frac{1}{\sqrt{r}}\text{tr}\sqrt{\rho}$）在常数精度下的近二次方下界 $\tilde{\Omega}(r^2)$。这一结果在对数因子范围内与 Pelecanos–Spilecki–Tang–Wright 最近提出的 $O(r^2 (\frac{\log \log r}{\log r})^2)$ 上界相匹配，有效地确定了该情形下样本复杂度的多项式阶数。
3. 双侧秩检测： 这些技术还给出了区分秩 $\le \alpha r$ 的态与到秩 $\alpha r$ 集合具有较大距离的态所需的样本量下界，即 $\tilde{\Omega}(r^2)$ 份拷贝。

意义
本文声称解决了关于保真度估计样本复杂度对参考态秩的依赖关系的开放问题。通过证明保真度估计的复杂度本质上是 $r$ 的二次方（在对数因子范围内），本文为保真度估计和谱估计设定了一个“近二次方障碍”。这项工作引入了新颖的工具，特别是将精确矩匹配与尺寸偏置 Schur 测度以及加权置换模型中的长循环估计相结合的方法，这些工具可能在分析其他非多项式谱泛函方面具有应用价值。其结果在不受限制的集体测量下依然成立，证实了二次方标度是该问题的基本局限性，而非受限测量策略导致的伪影。