柯克伍德-狄拉克正性保持酉矩阵的分类
《Physical Review A》:Classification of Kirkwood-Dirac positivity-preserving unitaries
【字体:
大
中
小
】
时间:2026年10月22日
来源:Physical Review A 3.0
编辑推荐:
柯克伍德-狄拉克(Kirkwood-Dirac,KD)拟概率分布在量子信息科学中的应用日益广泛,但其在计算上的意义仍不明确。我们对保持KD正性的酉动力学进行分类,并将这种结构与经典模拟联系起来。与离散维格纳(discrete Wigner)设置相比,我们展示了KD正性的保持、拟概
柯克伍德-狄拉克(Kirkwood-Dirac,KD)拟概率分布在量子信息科学中的应用日益广泛,但其在计算上的意义仍不明确。我们对保持KD正性的酉动力学进行分类,并将这种结构与经典模拟联系起来。与离散维格纳(discrete Wigner)设置相比,我们展示了KD正性的保持、拟概率的随机演化以及总非正性的保持这三者并不总是重合的。我们确定了三类保持正性的酉变换:第一类是KD随机酉变换;第二类是非随机的,但通过排列和共轭KD元素来保持总非正性;第三类是在维度为d=p×q的傅里叶共轭基(Fourier-conjugate bases)中,它们保持KD正性,但可以改变非实数分布的总非正性。对于哈尔随机基(Haar-random bases)以及d=p×k和d=p×q的傅里叶共轭维度,这种分类是完整的,其中p和q是不同的质数。我们采用了Pashayan等人[Phys. Rev. Lett. 115, 070501 (2015)]的采样算法,高效地对所有这些保持正性的电路进行了模拟;然而,对于第三类酉变换,在实数输入情况下模拟效率仍然较高,而在非实数输入情况下,采样开销可能会呈指数级增长。因此,对于d=p×q的情况,没有任何资源理论能够同时将KD的总非正性视为单调量,并且将所有可高效模拟的保持正性的酉变换视为自由操作。
**引言**
量子计算能力与经典计算能力之间的界限是量子信息科学中的一个核心议题。给定在输入状态上实现一组固定量子门的能力,所得电路的强大性通常是通过其经典模拟复杂性来理解的。最著名的例子是稳定子形式主义(stabilizer formalism),它为在稳定子状态上的克利福德电路提供了一种高效的模拟方案,但在引入额外的非稳定子资源后效率会降低[1]。同时,量子力的相空间表述(phase-space formulations)试图通过拟概率分布中的非正性来识别非经典现象[2–4]。Gross在他们的开创性论文[5]中指出,稳定子状态是唯一具有正维格纳拟概率分布的纯状态,并且克利福德门(Clifford gates)穷尽了所有保持正性的酉演化。因此,离散维格纳分布获得了新的操作解释,并成为理论家理解量子系统何时具备计算优势的流行工具[4,6–14]。由于克利福德门在量子硬件中很少能自然实现,因此提出了其他具有明显经典-量子边界的计算模型[15–17]。柯克伍德-狄拉克(Kirkwood-Dirac,KD)分布[18,19]是相空间表述非克利福德计算的一个有前途的候选者,它在描述任意参考基中的实验状态准备和测量方面提供了很大的灵活性[20]。KD分布对于有限维系统的实用性使其得到了复兴,并成功应用于量子计量学[21–26]、热力学[27–32]以及量子力学的基础[33–37](参见参考文献[38] for a comprehensive review)。然而,在量子计算的背景下,KD分布几乎没有得到关注,因为在高效经典可模拟性方面,KD正性缺乏操作上的意义。一个自然的问题是,这种分布是否能够解决维格纳分布在偶数维系统中遇到的问题[39]。在这项工作中,我们通过分类保持KD正性的酉演化来解决这些问题,从而为基于柯克伍德-狄拉克拟概率的资源理论提供了自然的选择。作为我们发现的应用,我们将参考文献[14]中的拟概率波恩法则概率估计算法(quasiprobabilistic Born rule probability estimation algorithm)适应到KD分布上,该算法明确地将模拟运行时间限制在初始状态的非正性和由其酉演化引起的非正性范围内。对于我们识别的保持正性的酉变换类别,我们展示了该算法在任何KD正性输入上都能高效运行。然而,对于一类特殊的保持正性的酉变换,即使输入中的非正性非常小,算法的运行时间也可能急剧增加。我们的洞察力使我们识别出了在平方自由半素数维度(squarefree semiprime dimensions)上定义的资源理论的一个根本障碍。
本文的结构如下:第二节我们回顾了柯克伍德-狄拉克分布及其向量化形式。后者提供了一种有用的表示方法,其中由量子通道引起的KD分布变换可以表示为线性矩阵乘法。第三节包含我们的主要结果。我们首先对在纯态上保持KD正性的酉变换进行分类:直到相位(up to phase),这样的酉变换总是作为排列作用在分布的参考基上,非基础KD正态集合也是如此。我们确定了三种类型的保持正性的酉变换:第一类酉变换作为集合上的自同构;第二类酉变换作为集合之间的双射;第三类酉变换作为集合及其子集之间的双射。然后我们证明了一些结构结果:当且仅当满足某些条件时,才能存在第一类或第二类酉变换。这两种类型的变换都是共变变换,它们排列(对于第二类还共轭)KD分布的元素,从而保持任何输入的总非正性。在这三种类型中,只有第一类酉变换对应于KD随机酉变换,即在向量化图中诱导出随机超算子(stochastic superoperator)的演化。这与离散维格纳分布形成对比,在离散维格纳分布中,所有保持正性的(克利福德)酉变换都会诱导出随机超算子。保持正性酉变换的存在依赖于分布参考基之间的对称性。通过确定它们存在的必要条件,我们展示了在哈尔随机采样的基础上定义的KD分布不存在概率为1的非平凡保持正性酉变换。然后我们专注于在傅里叶共轭基上定义的分布。最近的研究[40,41]表明,对于某些情况,韦尔-海森堡群(Weyl-Heisenberg group)是保持正性的。在我们的分类中,这样的酉变换属于第一类。同样,任何第一类酉变换与离散傅里叶变换(DFT)矩阵的乘积本身构成第二类酉变换。我们证明了对于某些情况,保持正性的酉变换只能是第一类或第二类。另一方面,对于某些情况(其中p和q是不同的质数),我们证明了第三类酉变换的存在:虽然这些酉变换在任何KD正性输入上都保持正性,但它们可以改变包含复数元素的分布的总非正性。此外,它们不构成韦尔-海森堡群的元素,其作用仅在实数值分布上保证是共变的。第四节将我们的发现应用于参考文献[14]中的量子模拟算法:原始方法依赖于超算子的随机性(第一类酉变换满足这一条件)来保证效率;我们展示了如何调整它以高效模拟第二类酉变换。第三类酉变换的存在为算法提出了额外的问题,因为它们通常缺乏共变性。我们展示了对于由第三类酉变换组成的电路,如果输入分布是实数值的,模拟可以高效进行;然而,如果输入的分布包含复数元素,则在最坏情况下模拟运行时间可能会呈指数级增长。我们的发现得出了一个否定定理,即任何基于KD分布的资源理论都无法同时(i)在其自由操作中包含可高效模拟的保持正性的第三类酉变换,以及(ii)将分布的总非正性视为单调量。我们的发现总结在表I中。附录主要包含额外的独立结果:附录A展示了如何应用参考文献[33]中的循环测试算法来实验测量KD超算子元素。附录B包含了关于傅里叶共轭KD分布的额外结构结果。附录C包含了对于任何KD分布的拟概率幅度的新的界限。最后,附录D提供了定理2的扩展证明,表明我们识别的第三类酉变换在纯态之外也保持正性,包括对于多量子比特(many-qdit)系统的情况。
**结果总结**
表I总结了本文中识别出的第一类、第二类和第三类酉变换的性质。前四行来自于第三节中的引理2、3和定理2、3。接下来的两行来自于第四节,其中下标之间的排列(对于第一类和第三类)以及(对于第二类)是指在动作之前满足某种条件的状态。对于第三类酉变换,“实数输入”指的是在动作之前满足某种条件的状态。最后三行提供了三种KD分布的保持正性酉变换的完整分类(见第三节末尾),其中对于哈尔随机采样的分布,结果的概率为1。在许多KD分布中,所有KD-正状态集合被证明是的凸包。这对于Haar随机分布[42]是成立的,同样地,当是质数幂时也是如此[40,43,46]。只要成立,纯状态的保正性就是所有状态保正性的充分条件。在其他情况下,当和‘异质’的KD-正状态存在时(例如对于或[40]),仍然有可能存在将的元素进行置换的酉算子,将这些非纯的KD-正状态从映射到非正状态。对于我们识别出的所有保正酉算子类型(引理2和定理2),我们发现情况并非如此。KD分布作为向量。我们使用了向量化技术,即将量子状态表示为向量,在中,这些向量受到称为超算子的更大矩阵的作用。对于KD分布,这种表示在参考文献[34]中已经得到了明确研究。实际上,它允许我们将KD分布的任何演化表示为其对应向量化形式的线性变换。我们通过将KD分布矩阵的行堆叠成单个列向量来进行处理:定义对偶行向量也很有用,它由所有1组成。显然,所有的KD分布向量都满足。KD分布的总非正性可以表示为的范数:KD超算子。在经典模拟的背景下,我们考虑KD分布在一个量子通道(一个完全正的、保持迹的映射)作用下的演化。在更大的空间中,这可以表示为与矩阵的乘法:如果由一组Kraus算子组成(即),那么准概率会如下演化:这使我们能够识别矩阵元素:可以验证保持KD准概率向量的元素之和。这是因为其列之和为1:由此可知,因此。鉴于此,可以将超算子视为作用在KD准概率向量上的左准随机矩阵(回想一下,左随机矩阵是一个平方矩阵,其列之和为1)。特别是当是随机的时,三角不等式意味着它只能减少KD分布向量的范数。对于KD-正输入,输出分布也是KD-正的,这与概率向量通过马尔可夫链的演化完全类似。酉通道。如果是一个酉算子的作用,我们将对应的超算子写为。在这种情况下,矩阵元素简化为(4)此外,每个由酉算子诱导的超算子都必须有一个逆,由给出,这是根据组合规则得出的(5)我们可以将的元素与的元素相关联:(6)因此,如果相互无偏,那么总是在上的酉矩阵。在这种情况下,的行是的复共轭列(其之和为1),因此是一个双重准随机矩阵。正算子值测度(POVM)元素。向量化提供了一种通过矩阵乘法在中表示和演化KD准概率的方法。为了使这更加完整,我们还需要一种计算测量概率的方法,即量,其中是某个POVM元素。这非常简单,涉及将KD向量映射到玻恩规则概率的对偶向量。对偶向量具有元素,因此测量概率由(7)给出。如果是在基中的投影测量,那么具有元素,方程(7)简化为准概率分布的边缘化:KD超算子元素的实验估计。在附录A中,我们提供了一种直接的方法来估计由酉算子诱导的KD超算子的元素,适用于任何信息完备的选择。为此,可以应用循环测试算法[33,47],该算法最初是为估计未知状态的Kirkwood-Dirac准概率而提出的。III. KD保正酉算子的分类我们现在对保持KD正性和总非正性的酉算子进行分类,并且完全描述了KD随机酉算子。在第四节中,我们讨论了这些结果对KD-正状态的经典可模拟性的影响。我们的分类适用于所有分布,其中,随机采样的转移矩阵,以及具有不同质数的傅里叶共轭基。在这里以及后面,我们假设信息完备性(即),在相关情况下另有说明。我们将其他KD分布的实例留待未来的工作。定义3(保正性)。如果对于任何满足的密度矩阵,都有,则称酉算子是保正的,即将KD-正状态映射到KD-正状态。定义4(保持性)。如果对于任何密度矩阵,即保持的KD总非正性,则称酉算子是保持的。如果保持,则它是保正的。定义5(Kirkwood-Dirac随机性)。如果它诱导的超算子是一个随机矩阵,则称酉算子是KD随机的。如果KD随机,那么根据定理3,它是保持的。根据的几何结构,这三个概念可能是也可能不是同义的。尽管任意的随机超算子不能增加复向量的范数(因此是保正的),定理3进一步意味着只能包含置换的超算子,因此是保持的。我们确定了不存在这样的(非平凡)酉算子的例子,以及集合都是非平凡且不同的例子。在所有情况下,它们都满足。方法论。酉算子对所有状态都保持正性的一个必要条件是它对纯态是保正的。因此,我们的方法将是识别满足这一必要条件的所有可能的酉算子家族,并在适当的情况下验证它们对是保正的。我们假设纯KD-正状态的集合是有限的——据我们所知,这对于所有信息完备的KD分布都是如此。然后,任何保正酉算子都必须形成纯KD-正状态集合的广义置换。定义6(广义置换)。酉广义置换(或单项式酉矩阵)的集合定义为从最简单的情况开始,其中,唯一的纯KD-正状态是和的基向量。对于这样的分布,我们发现只能由两种类型的广义置换组成,我们称之为类型I和类型II。然后证明这样的酉算子是保持的,因此无论是否存在异质的、非纯的KD-正状态,都保持正性。因此,对于任何分布,我们对类型I和II的分类是详尽的。引理1。如果,即,那么任何保正酉算子要么满足和(类型I),要么满足和(类型II)。所有这样的酉算子的集合由给出。由于唯一的纯KD-正状态是基态,任何保正映射都必须是向量在相位上的广义置换。乍一看,有三种可能性:类型I,其中是在和上的广义置换,在这种情况下是在两个基上的(可能不同的)单项式酉算子,因此。对于类型II,是在和之间的双射,在这种情况下可以在上写作,在上写作,因此。第三种可能性是将一些向量从映射到,一些映射到(对于也是如此)。这是不可能的。假设对于某个。这将意味着,这是一个矛盾,因为是酉的,是正交归一基。因此,保正酉算子必须是类型I或II。引理2。类型I或II的保正酉算子也是保持的。换句话说,如果,那么。显然,根据定义。我们证明。假设。我们可以分别考虑类型I和II。在第一种情况下,作为。因此,诱导以下变换在KD分布上:这意味着对于所有。对于类型II的酉算子,我们可以写作因此,所以这也意味着任何状态的总非正性都得到保持。因此,如果类型I或II,它也保持任何KD分布的总非正性。如果这些是中的唯一酉算子类型,那么任何保持的酉算子也必须是保正的。备注1。如果是一个类型I或II的酉算子,那么它也必须在上形成广义置换,并且对所有保持。我们从引理2知道,如果类型I或II,那么并且因此将所有KD-正状态映射到KD-正状态。唯一的方式是如果也在上形成广义置换。由于类型I和II的酉算子总是置换KD分布的条目,它们也保持任何非纯状态的总非正性。当,任何保正酉算子也是保持的。此外,任何类型I或II的酉算子在KD分布上的作用被称为协变的,意味着它对应于矩阵元素的重新标记和共轭。特别是在第四节中,我们展示了这意味着由这样的酉算子组成的任何量子电路下的正KD分布的演化都可以通过经典方法高效模拟。傅里叶共轭基。对于各种有趣的转移矩阵选择,都有成立,包括在离散傅里叶变换的情况下。我们现在证明,当在维度中,且为质数时,非基纯KD-正状态集合的结构仍然强制保正酉算子只能是类型I或II。由于这样的酉算子是协变的,这意味着任何保正酉算子都可以高效模拟。定理1。对于在维度中,且为质数,只包含类型I和II的酉算子。因此。如果,那么结果直接来自引理1。对于,已经证明非基纯KD-正状态集合如下分解[44,45]:其中每个是在上定义的正交归一基。我们展示尽管对于,但任何在KD-正状态集合上的广义置换都必须是类型I或II。首先,我们计算和之间的所有可能的内积:从δ函数来看,双重求和只接受满足的对的贡献。这是一个线性丢番图方程,其解存在当且仅当,其中。因此我们假设。我们选择一个解。然后,也形成解。由于和是互质的,我们有,这意味着和,其中。由于和,允许范围内的解是唯一的。因此,内积可以重写为从,我们有,其中。现在假设。对于两个KD-正基和,非零重叠满足。由于的每个除数现在都是的幂,我们可以写和,其中。然后,。对于相互无偏的基,我们需要,这只有在或时才会发生。这意味着是唯一相互无偏的KD-正基对,并且对于任何状态和任何其他KD-正状态。由于保持内积,它的像和也必须形成一个MUB对。因此,如果将的任何元素映射到的元素,那么,违反的酉性。这缩小了只能是类型I或II。从引理2可知,定理1不适用于复合维度,其中可能存在额外的相互无偏对和。因此,我们可以识别出置换但不属于类型I或II的酉算子。这类酉算子属于,意味着它们是保正的,但不是在纯态上保持的。为了证明这一点,取。从上述分解中,完整的纯KD-正状态集合由给出。转移矩阵是,其元素,其中。考虑由以下公式定义的酉变换:当将其应用于某个状态时,其在相应基底下的像是由该状态的行向量构成的。直接计算表明,该酉变换可以看作是对所有纯KD正态态集合的一个广义置换。然而,它不属于I型或II型酉变换。此外,它对KD分布的作用并不保持总的非正性。为了说明这一点,考虑一个非正态态,其KD值为负。另一个状态也是非正的,但其KD值为正。因此,该酉变换不保持KD分布的总非正性。对于这种KD分布的选择,已有研究表明存在正态和混合态[40]。现在我们证明该酉变换对于集合中的所有状态都保持正性,包括那些不在凸包内的状态。
定理2:对于给定的酉变换,它将所有KD正态态映射为KD正态态。
证明:这里我们明确证明了我们的例子中的酉变换情况。对于任意状态,可以证明酉变换总是存在的(我们接下来在引理3中展示这一点),并且证明该酉变换对于所有KD实态都保持正性的证明在附录D中给出。我们将来自某个集合的状态标记为“”,将来自另一个集合的状态标记为“”。我们利用了参考文献[48]中的一个最新结果,该结果表明任何KD实态都可以表示为来自某个集合的纯态的线性组合,其中系数为实数:
(9)
根据线性性质[参见方程(1)],我们可以将任何状态表示为纯态KD分布的线性组合。更具体地说,我们可以将状态表示为四个矩阵的和。每个矩阵元素都是某个状态系数的36种线性组合之一。假设某个状态是一个不属于某个集合的非纯KD正态态。尽管方程(9)中的个别系数不一定为正,但由于该状态的KD值为正,因此每个对应于准概率的系数组合都满足正性条件。现在回想一下,该酉变换是对纯KD正态态集合的一个广义置换。我们可以通过对方程(9)中分解出的每个纯态进行共轭运算,然后求和来直接计算该酉变换的结果。这给出了一个新的纯态KD分布的线性组合。通过直接观察,我们发现方程(9)中出现的36种可能的系数组合在结果中每种都恰好出现一次。因此,该酉变换将某个状态映射为一个KD正态态。由于该状态是任意选定的KD正态态,我们得出结论:该酉变换将所有KD正态态映射为KD正态态。我们还得出结论:该酉变换对于所有KD实态都是协变的,满足某些索引置换的条件。这个置换可以通过比较上述关于和的表达式来明确确定。值得注意的是,它不是行置换和列置换的乘积。包含我们计算过程的Mathematica笔记本在补充材料[49]中提供。
接下来,我们证明对于不同的素数,酉变换总是存在的:
引理3:对于维度为的事态,如果这些素数互不相同,那么总是存在III型酉变换,使得该酉变换将某个状态映射为KD正态态。此外,该酉变换对KD分布的作用通常不是协变的,而I型、II型和III型酉变换共同构成了所有可能的酉变换类型。
证明:在这种情况下,当从集合和分别取和时,我们可以得到。因此,基底和是相互无偏的。由于和互质,我们可以将每个索引与一对索引相关联,如下所示:这种映射通过中国剩余定理是双射的。因此,我们可以定义一个酉置换,该置换将某个状态分解为张量积。我们可以如下定义这个酉置换:它在对基底的作用是。现在,将写成进入求和的基底状态的索引。对于所有的,我们有是固定的,因此当遍历所有时,它总是贡献一个的倍数。因此,我们可以通过重索引来表示求和,其中进入指数。因此,我们得到。同样地,我们可以证明。首先我们计算该酉变换对状态的作用:在这里,第三行和第四行之间的指数项是整数。因此,我们使用对于所有的。再次,我们重索引求和,该求和遍历一组固定的整数。因此,我们取并替换:由此可得。此外,,所以是一个在所有纯KD正态态集合上的保持正性的广义置换。附录D还表明,在某种条件下,它对任何KD正态态都保持正性。
接下来,我们证明该酉变换对于非实数的KD分布来说不是协变的。相反,得到的KD分布可以表示为复数线性组合。首先,我们进行全局基变换。我们转换为基底和基底。此时的量子态变为。这给出了一个相同的KD分布,其索引由一对索引和组成:在全局基变换之后,可以表示为。因此,可以表示为。第二项可以展开为,其中我们使用了的事实。通过将这个结果与代入,并展开比值并因式分解,我们得到:这通常不是一个协变变换。此外,对于一般的,没有理由期望,实际上我们已经找到了反例。因此,不存在。
最后,我们证明不存在超出I型、II型和III型的保持正性的酉变换。在下的内积保持性再次是关键约束。每个集合形成一个正交基底。不同集合之间的状态内积如下:基底对 可能的重叠幅度 0, 0, 。不失一般性,假设像被“分割”,使得将和映射到两个不同的基底集。如果这两个集合是相互无偏的——即和,或者和,那么这意味着。另一方面,如果这些集合不是相互无偏的,那么无论映射到哪个集合,要么是,要么是。在所有情况下,这意味着不保持内积,因此(通过与同样的推理)每个基底集的像不能跨越不同的基底集分割。实际上,只有I型、II型和III型酉变换是可能的。我们还注意到,通过对称性,上述引理也直接适用于的情况,这也是III型酉变换的一个实例。尽管通常情况下该酉变换对非实数KD分布的作用不是协变的,但在描述一般酉变换时更为简单——这通常需要构建超算子。不管这个事实如何,这样的酉变换在任何基于KD的经典模拟算法中的存在都带来了额外的难度。我们在第IV节讨论了这个结果的含义。
KD-随机酉变换。现在我们转向识别在向量化图像中诱导随机超算子的酉变换的问题。随机矩阵具有保持KD正输入的范数的性质。然而,我们已经看到,保持正性的酉变换不一定要诱导一个随机超算子来保持正性。例如,如果转移矩阵是厄米的,那么酉变换具有一个非随机的KD超算子,但它将KD矩阵映射为其厄米共轭:这对应于II型的保持正性的酉变换。相比之下,对于奇数维的离散Wigner分布,这种情况不会发生,因为所有保持正性的门都诱导随机超算子[5,14]。我们现在证明KD-随机酉变换正好是I型的。
定理3:对于在基底和上定义的KD分布,当且仅当满足条件时,该酉变换是一个KD-随机酉变换。换句话说,满足条件,其中。这意味着由保持正性的I型酉变换组成。
证明:假设,即满足和。那么,因此是两个置换矩阵的克罗内克积。对于另一个方向,假设诱导的超算子是随机的。那么,它的所有元素都是非负的。根据方程(5),它将总是有一个准随机逆。根据方程(6),这个逆也只包含非负元素,因此也是随机的。线性代数的一个基本事实[50]是,如果一个矩阵及其逆都是随机的,那么该矩阵必须是一个置换。因此,必须是一个置换。因此,对于每一对索引,存在唯一的一对索引使得。根据方程(4),,因此和。保持不变,我们推导出对于,保持不变,我们推导出对于。因此,是在和上的一个广义置换。随机采样的基底。鉴于它们存在的严格条件,是否包含非平凡的酉变换高度依赖于转移矩阵的对称性。因此,对于大多数KD分布来说,情况并非如此。
注2:绝大多数Kirkwood-Dirac分布不允许存在非平凡的保持正性、或KD-随机酉变换。
(概述)我们已经从参考文献[42]中知道,对于一般的,根据Haar测度,在上,概率为一,因此只有I型和II型酉变换可能存在。在第一种情况下,这个集合的元素是满足和的元素。因此,对于某些,必须存在某些,使得。因此,其中和是置换矩阵,上述情况对所有成立。因此,这意味着模矩阵必须在对某些行和列置换下是不变的。排除恒等置换,我们因此要求至少有一对不同的具有相同模的。在Haar测度下,这种情况发生的概率为零。因此,对于一般的,不存在非平凡的I型酉变换。同样,对于非平凡的II型酉变换存在于,必要条件是某些非恒等置换下。同样,在Haar测度下,这种情况发生的概率为零。因此,对于随机采样的,概率为一,我们有。
I型和II型酉变换的例子:尽管I型和II型酉变换很少见,但对于对称的,它们确实存在。例如,在任何维度的傅里叶共轭分布中,I型酉变换由Weyl-Heisenberg群给出[40,41](见附录B的定义),而II型酉变换由Weyl-Heisenberg酉变换和矩阵的乘积给出。在多量子比特系统中(其中和是计算基底和Hadamard变换基底),保持正性的群由单量子比特Pauli门和cnot门生成(对于I型),以及对于II型[51]。值得注意的是,单量子比特Hadamard门不属于这两种类型,并且可以证明它们不保持正性。对于非傅里叶分布,在参考文献[43]中提出的spin-1分布中,具有involute转移矩阵的情况下,可以将I型酉变换与任何基底上的置换矩阵等同起来,将II型酉变换与任何置换和的乘积等同起来。由于spin-1系统中的状态不是成对正交的,根据定理1的类似论证,我们可以证明不存在其他类型的保持正性的酉变换。最后,我们指出我们的分类并不是穷尽的,因为可能存在我们没有识别的其他保持正性的广义置换。例如,原则上可能存在这样的酉变换,它们将的一部分映射到的一部分,另一部分映射到另一部分。在我们的搜索中,我们没有找到这样的例子——它们是否对于任意选择的存在通常可以通过对称性论证来排除(即在我们定理1中论证的所有正纯态之间的内积保持性)。这些可以用来完全描述一般情况下的。
我们分类的完整性。综上所述,我们提出了一种通用方法,用于分类保持正性的酉矩阵,适用于任意分布:如果满足某些条件,则只可能存在类型I和II的酉矩阵(引理1)。由于这些酉矩阵始终保持正性(引理2),因此分类就此完成。如果满足其他条件,则需要检查是否存在超出类型I和II的广义置换。通常可以通过对称性论证来排除这些可能性。如果发现了这样的置换,并且满足进一步的条件,那么分类也就此完成。否则,还需要验证这些置换是否也能保持输入分布的正性。总体而言,我们的分类方法涵盖了三种情况:对于Haar随机选择的输入分布,我们的方法在第一步即可完成分类;对于特定的输入分布,方法在第二步完成;对于另一种输入分布,方法在第三步完成。
IV. 通过KD分布估计Born规则概率
现在我们将第III节的结果应用于通过KD分布估计Born规则概率的问题。在本节中,“高效模拟”指的是在多项式时间复杂度内(与输入分布的维数和电路大小相关)估计Born规则概率,前提是能够高效访问相关的KD准概率和超算符元素。为此,我们修改了参考文献[14]中的算法,该算法使用蒙特卡洛方法通过方程(7)来估计概率。考虑一个k-qd维的输入状态,一个量子电路和一个测量算符。我们首先将输入状态分解为一个或多个k-qd维门的乘积,并将索引对(在方程(7)中求和)表示为某种形式。测量结果的概率由公式(14)给出。
假设:我们假设这些对象可以高效描述(例如,当状态准备和测量是在k-qd维的乘积态基础上进行的,并且每个算符最多作用于两个k-qd维向量时),并且它们的行和列中的单个元素可以根据某个概率分布进行高效采样。我们可以利用这种分解来经典地估计Born规则概率。我们使用了几种范数来衡量概率:前两个范数是KD总非正性,第三个是POVM对偶向量的最大绝对元素,第四个是该向量的列的范数,最后一个是在该向量上诱导的范数。
概率估计过程如下:首先,取准概率的绝对值,并以某个概率随机抽取一个索引对;然后以另一个概率随机抽取另一个索引对;重复这个过程直到达到指定的次数;之后再以另一个概率抽取索引对。抽取索引对后,还需计算相应的复数相位。最后,计算复数随机变量及其实部。这个过程重复多次,其平均值就是Born规则概率的估计值。期望在随机索引对的选择上,这个平均值能够准确反映概率。
现在定义总诱导非正性为中间超算符的诱导范数乘积以及输入状态的最大绝对值。每个超算符的幅度被限制在一定范围内。由于这是一个复数随机变量,为了限制所需的样本数量,我们可以考虑其实部,该实部也有相应的限制,并使用Hoeffding不等式(与参考文献[14]中的方法相同)来证明,要估计到指定的精度(和成功概率),需要一定数量的样本。显然,估计算法的运行时间受输入状态的总非正性限制,而估计过程的效率则由输入状态的总非正性与诱导的非正性共同决定。对于Wigner分布,输入的非正性和诱导的非正性是独立的。例如,当Clifford电路满足某些条件时,对非正输入的额外估计复杂度与输入分布的维数成正比。我们展示了对于KD分布,这一点在类型I酉矩阵的情况下是默认成立的;对于类型II酉矩阵,一旦考虑了它们的协变性,同样的结论也成立;对于类型III酉矩阵,诱导的非正性取决于输入分布是否包含复数元素。
接下来我们讨论如何将类型I和II酉矩阵纳入算法中。对于类型I酉矩阵,我们已经通过定理3证明诱导的超算符是一个置换矩阵,因此不需要对其进行任何修改。对于类型II酉矩阵,一般情况也是如此。然而,引理2指出对于某些输入状态,存在这样的酉矩阵。假设电路在某个步骤中包含类型II酉矩阵,可以对其进行相应的处理。这种处理直接体现在算法中,确保它们的超算符的诱导非正性不会影响最终结果。
对于类型III酉矩阵,存在额外的复杂性。正如引理3所提到的,这类酉矩阵通常不会对KD分布产生协变变换,因此诱导的非正性满足特定的条件。另一方面,根据定理2,类型III酉矩阵在KD实数输入上表现出协变性,会改变它们的元素顺序。具体形式在附录D中有详细说明:这种映射是通过Chinese remainder定理(CRT)的分解和模运算实现的,计算效率较高。因此,如果输入状态是KD实数,类型III酉矩阵可以像类型II酉矩阵一样被纳入估计算法中。但如果输入状态是非实数,那么就无法进行这种处理,需要从输入状态的列中进行采样,这会导致样本数量大幅增加。例如,考虑一个包含类型III酉矩阵的正性保持电路:如果输入状态是KD正的(即KD实数的),则总的诱导非正性有限,输出概率可以高效估计。但如果输入状态包含非实数元素,那么在最坏情况下,样本数量会呈指数级增长,导致高效经典估计失败(尽管使用其他方法可能仍然可以高效模拟这类电路)。从这个意义上说,类型III酉矩阵的存在使得电路的诱导非正性隐含地依赖于输入分布的真实性。
最后,我们指出上述修改也可以很容易地整合到Mari和Eisert [4]的采样算法中,该算法利用协变性来高效地从具有正Wigner函数输入和Clifford门的量子电路的输出分布中采样。因此,对于仅由类型I、II、III酉矩阵组成的电路,如果输入状态是KD正的,可以应用所有这些修改,从而高效采样输出分布。对于包含其他类型门的电路,只有当输入状态的KD分布是实数时,类型III酉矩阵的规则才有意义。
这些结论对资源理论有影响。我们将第III节和第IV节的结果结合起来,得出了一个关于KD非正性的资源理论的“不可能性”结果:定理4。对于定义在k-qd维空间上的KD分布,任何将KD非正性视为单调性的资源理论都不能同时将所有保持正性的、可高效模拟的酉矩阵视为自由操作。特别是,它必须将某些酉矩阵排除在自由操作之外,或者放弃KD非正性在其自由操作下的单调性。正如引理3所证明的,对于类型III酉矩阵,总是存在这样的酉矩阵。在定理2和附录D中,我们展示了这类酉矩阵在所有KD正态下保持正性。然而,它们通常不会在非实数状态下保持正性。从[方程(11)可以得出,某些酉矩阵是置换矩阵。如果这些酉矩阵被包含在资源理论的自由操作中,那么在一定条件下总非正性会减少。除非所有状态下的KD非正性都是单调的(我们已经证明这不是事实),否则存在状态使得总非正性增加。因此,这种酉矩阵在自由操作下不是单调的。另一方面,我们已经证明了对于任何KD正态状态,类型I、II、III的演化都是经典上可高效模拟的,因为这些酉矩阵与正KD分布是协变的。因此,如果这些酉矩阵不被包含在自由操作中,那么存在保持正性的、可高效模拟的酉矩阵不是自由操作,资源理论就无法涵盖所有经典可模拟的操作。定理4表明,构建基于KD分布的KD非正性资源理论可能具有挑战性。我们指出,由于KD分布保持了真实性,一种可能的解决方法是将KD分布的实部视为资源,实际上就是使用Marginau-Hill分布[52,53]。这为未来的研究提出了一个有趣的问题。
补充说明:最近,我们在论文的修订预印本中加入了注释2和引理1的结果。参考文献[42]的修订版本也发表了类似的结果,这些结果是由其作者之一在博士论文[54]中独立得到的。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号