양자 밀도 행렬의 다면체 근사 난이도

초록

이 논문은 트레이스가 1인 양자 밀도 행렬 집합 (D) 을 다면체로 근사하려는 두 가지 경우에 대해 확장 복잡도 하한을 제시한다. 첫 번째는 상대 오차 ((1-\epsilon)) 내에서의 근사이며, 두 번째는 가우시안 폭이 두 배 이하인 다면체 근사이다. 두 경우 모두 확장 복잡도가 각각 (\exp(\Theta(\sqrt{n}))) 와 (\exp(\Theta(n^{1/3}))) 보다 작을 수 없음을 보인다. 핵심 도구는 하이퍼큐브 위의 노이즈 연산자의 초수축성이다.

상세 분석

논문은 양자 정보 이론과 최적화 이론 사이의 교차점에서 중요한 질문을 제기한다. 즉, 트레이스가 1인 양의 준정부호 행렬들의 집합 (D) (밀도 행렬) 를 다면체로 얼마나 효율적으로 근사할 수 있는가이다. 여기서 효율성은 선형계획법(LP) 확장 복잡도, 즉 다면체를 선형 이미지로 표현하는 최소 차원 (k) 로 측정한다. 두 가지 근사 모델을 고려한다. 첫 번째는 임의의 트레이스‑1 행렬 (A) 에 대해 ((1-\epsilon)(D-A)\subseteq P\subseteq D-A) 를 만족하는 다면체 (P) 이며, 두 번째는 (D\subseteq P) 이면서 가우시안 폭 (w_G(P)) 이 (2w_G(D)) 이하인 경우이다.

첫 번째 결과(Theorem 1)는 (\epsilon\in(0,1)) 에 대해, 위 조건을 만족하는 모든 (P) 의 확장 복잡도가 (\exp(c\sqrt{n})) 보다 작을 수 없음을 보인다. 여기서 (c>0) 은 (\epsilon) 에만 의존한다. 핵심 아이디어는 (A) 를 평균 행렬 (\frac{1}{n}I_n) 로 정규화한 뒤, 슬랙 행렬을 구성하고 이를 하이퍼큐브 ({-1,1}^n) 위의 함수로 전환한다. 슬랙 행렬의 원소는 ((1-\epsilon)n(x^\top y)^2+\epsilon) 형태이며, 이는 비음수 행렬의 비음수 계수(rank)와 직접 연결된다. 비음수 계수는 확장 복잡도와 동등함을 Yannakakis 정리(일반화 버전)으로부터 알 수 있다.

비음수 계수 하한을 얻기 위해 저자는 행렬을 (N) 개의 비음수 순위‑1 행렬의 합으로 표현한다고 가정하고, 각 항을 (f_i(x)g_i(y)) 형태의 비음수 함수로 분해한다. 여기서 (f_i) 와 (g_i) 는 하이퍼큐브 위에서 정의된 함수이며, 평균값을 1로 정규화한다. 이후 노이즈 연산자 (T_\rho) 를 양변에 적용하고, 초수축성(Hypercontractivity) 정리를 이용해 (T_\rho f_i) 가 평균 1 주위에 강하게 집중된다는 사실을 보인다. 구체적으로, (\rho = p^{5}/n) (여기서 (p) 는 적절히 선택된 정수) 로 잡으면, (\mu{x:(T_\rho f_i)(x)\ge 4}\le e^{-c\sqrt{n}}) 가 된다. 이는 각 (x) 에 대해 적어도 하나의 (i) 가 (T_\rho f_i(x)\ge 4) 를 만족해야 함을 의미하고, 위의 농축 부등식으로부터 (N) 이 (\exp(\Omega(\sqrt{n}))) 보다 작을 수 없음을 얻는다. 함수 (f_i) 가 너무 스파이크(최대값이 (e^{\sqrt{n}}) 이상)인 경우는 별도 분석을 통해 무시 가능한 항으로 처리한다. 최종적으로 슬랙 행렬의 비음수 계수가 (\exp(\Omega(\sqrt{n}))) 임을 보이고, 이는 확장 복잡도 하한으로 이어진다.

두 번째 결과(Theorem 2)는 가우시안 폭 제약을 이용한다. 가우시안 폭 (w_G(S)=\mathbb{E}_g