Refined sample complexities from the tomographic rate function

技术摘要：基于断层扫描率函数的精细化样本复杂度研究

问题陈述
量子态断层扫描旨在从 $n$ 个目标态的副本中重建未知的密度矩阵 $\rho$。这些协议的性能通常由样本复杂度（sample complexity）来表征，即为了保证估计值 $\sigma$ 以高概率 $1-\delta$ 落在距离 $\rho$ 的 $\epsilon$ 范围内，所需的样本数 $n$。虽然近期的研究已经确定了多种协议（例如 Keyl 协议、Haah 等人的协议以及 PGM 变体）在迹距离（trace distance）的样本复杂度缩放上具有相同的最优阶数，但这些协议在估计值的概率分布上表现出显著差异。具体而言，它们对接近错误状态的估计分配了指数级不同的概率。这引发了一个问题：现有的样本复杂度度量是否足以区分这些协议的性能，特别是在处理罕见的大偏差（large deviations）情况时。

方法论
作者建立了一个统一的框架来分析协变断层扫描协议（covariant tomography protocols），其中估计值的概率分布在同时进行酉旋转时保持不变。核心方法论包括：

1. 大偏差理论 (LDP)： 作者并未仅仅关注失败概率的阈值，而是分析了率函数（rate function）$I(\sigma \| \rho)$。该函数控制着当 $n \to \infty$ 时，给定真实态 $\rho$ 得到估计值 $\sigma$ 的概率随 $n$ 的指数衰减规律：
   $$P_n^T(\sigma|\rho) \asymp \exp\{-n I(\sigma \| \rho)\}.$$
   较大的率函数意味着特定误差发生的概率呈指数级降低。

2. Schur-Weyl 对偶与协变协议： 分析利用 Schur 变换将 $n$ 个副本的希尔伯特空间分解为对称群 $S_n$ 和酉群 $U(d)$ 的不可约表示。作者通过作用在这些表示块上的“种子算符”（seed operators）$K_\lambda$ 对协议进行分类。这使得系统地推导以下协议的率函数成为可能：

   • Keyl 协议： 使用最高权重投影。
   • Haah 等人的协议： 使用与表示维度相关的特定种子算符。
   • 优良测量 (PGM)： 包括基于希尔伯特-施密特先验和随机纯化的协议。

3. 新散度族： 作者引入了一个两参数散度族 $I_{\beta,\gamma}(\sigma \| \rho)$，用于统一这些协议的率函数。他们将这些函数与已知的量（如反向夹心 Rényi 散度以及 Keyl 的反向相对熵）联系起来。

4. Wasserstein 距离分析： 为了证明样本复杂度的分离，作者利用了一阶量子 Wasserstein 距离（$W_1$），该距离是通过在具有特定因子分解的无迹厄米特算符上的迹范数定义的。作者采用了量子 Marton 不等式，该不等式将 Wasserstein 距离与量子相对熵联系起来，并带有一个量子比特数 $m$ 的因子。

主要贡献与结果

1. 率函数的推导：
   本文通过新的散度族 $I_{\beta,\gamma}$ 推导出了几种著名协议的显式率函数：

   • PGM（均匀谱先验）： $I_{\text{PGM}}^\beta(\sigma \| \rho) = I_{\beta,\beta}(\sigma \| \rho)$。
   • Haah 协议（幂加权）： $I_{\text{Haah}}^\beta(\sigma \| \rho) = I_{\beta,\infty}(\sigma \| \rho)$。
   • Keyl 协议： $I_{\text{Keyl}}(\sigma \| \rho) = D_R(\sigma \| \rho)$，即反向相对熵。

2. 协议的严格排序：
   作者证明了对于所有 $\beta > 0$ 和状态 $\sigma, \rho$，这些率函数之间存在严格的排序关系：
   $$I_{\text{PGM}}^\beta(\sigma \| \rho) \leq I_{\text{Haah}}^\beta(\sigma \| \rho) \leq I_{\text{Keyl}}(\sigma \| \rho).$$
   至关重要的是，对于某些状态，这些不等式是严格的。这表明，尽管所有这些协议在传统的迹距离意义下都是“样本最优”的（具有相同的渐近缩放），但它们在大偏差性能方面是严格有序的。Keyl 协议实现了最大的率函数（最佳的大偏差行为），而 PGM 变体则具有较小的率函数（较差的大偏差行为）。

3. Wasserstein 样本复杂度的分离：
   论文确立了当误差通过 Wasserstein 距离而非迹距离衡量时，率函数的排序会转化为 Wasserstein 样本复杂度的分离。

   • 利用量子 Marton 不等式（$W_1^2 \leq \frac{m}{2} D(\sigma \| \rho)$），作者展示了在 Wasserstein 度量下，对于极大混合态，PGM 协议的样本复杂度可以严格大于 Keyl 协议。
   • 定理 1.2 量化了这种分离：对于 $d=2^m$ 及特定参数，样本复杂度的比例满足以下下界：
     $$\frac{N_{\text{PGM}}}{N_{\text{Keyl}}} \geq \frac{\epsilon \log d}{32}.$$
     该结果证明，在 Wasserstein 距离下，原本在迹距离样本复杂度分析中无法区分的协议是可以被区分开来的。具体而言，PGM 协议所需的样本数至少是 Keyl 协议所需样本数的 $\frac{\epsilon \log d}{32}$ 倍，这展示了非平凡的效率分离。

意义与主张
本文声称，断层扫描率函数是比标准样本复杂度更精细的协议性能指标。虽然样本复杂度提供了关于保持在小误差球内的样本数量的“粗略”视图，但率函数刻画了罕见大偏差的统计行为。

作者断言：

• 率函数独立于状态空间上距离度量的选择，这与样本复杂度不同。
• 率函数的严格排序意味着“最优”协议并非等同的；在涉及大偏差性能时，Keyl 协议严格优于基于 PGM 的协议。
• 这种优越性在以 Wasserstein 距离作为误差度量时的样本复杂度中得到了具体体现，揭示了迹距离分析所忽略的分离现象。

这项工作并未提出新的实验设置，而是为如何比较量子态断层扫描协议提供了一种理论上的精细化方法，表明对于对大偏差或特定距离度量（如 Wasserstein 距离）敏感的应用，即使在标准意义上被认为是“最优”的协议中，选择不同的协议也会产生显著影响。