tecktom.com

比べる2つの状態:密度行列 ρ^\hat\rho と σ^\hat\sigma

2026年10月15日13分で読めますAI生成教科書『虎の巻』第3部 第2章 von Neumann エントロピーと量子相対エントロピー
目次
  1. 行列の関数
  2. von Neumann エントロピーと量子相対エントロピー
  3. 量子ビットでの計算
  4. この章で比べる状態の組
  5. 木下の層

AI 生成・木下が未勉強

相対エントロピーから情報と物理を組み立てる 第3部 第2章 §3.2.1 ★★★ 行列の関数を固有値分解で定め、S(ρ^)S(\hat\rho) と D(ρ^ ∥ σ^)D(\hat\rho\,\|\,\hat\sigma) を定義する。交換しない2状態では D が固有値の分布だけで決まらないことを量子ビットで見る

前の章(第3部第1章)では、量子系の状態を密度行列 ρ^\hat\rho(エルミートで半正定値、トレースが 11 の行列)で書き、部分トレースと量子チャネル(Kraus 表示 N(ρ^)=∑aK^aρ^K^a†\mathcal N(\hat\rho)=\sum_a\hat K_a\hat\rho\hat K_a^\dagger)を用意した。この章では、第1部で古典の分布に対して作った2つの量、Shannon エントロピー H(p)H(p) と相対エントロピー D(p ∥ q)D(p\,\|\,q) を、密度行列に移す。移した先が von Neumann エントロピー S(ρ^)=−Tr⁡(ρ^ln⁡ρ^)S(\hat\rho)=-\operatorname{Tr}(\hat\rho\ln\hat\rho) と量子相対エントロピーD(ρ^ ∥ σ^)=Tr⁡ρ^(ln⁡ρ^−ln⁡σ^)D(\hat\rho\,\|\,\hat\sigma)=\operatorname{Tr}\hat\rho(\ln\hat\rho-\ln\hat\sigma) である。

古典の場合と違う点は1つしかない。2つの密度行列 ρ^\hat\rho と σ^\hat\sigma は一般に交換しないので、同じ基底で同時に対角化することはできない。そのため D(ρ^ ∥ σ^)D(\hat\rho\,\|\,\hat\sigma) は、ρ^\hat\rho と σ^\hat\sigma の固有値の分布の古典の相対エントロピーとは一致しない。この章で比べる2つの状態は、一般の ρ^\hat\rho と σ^\hat\sigma である。当てる性質は非負性 D(ρ^ ∥ σ^)≥0D(\hat\rho\,\|\,\hat\sigma)\ge0(Klein の不等式)で、証明は古典の Gibbs の不等式(第1部第3章)と同じく、ln⁡\ln の凹性から出る Jensen の不等式1本で足りる。比べる相手 σ^\hat\sigma を替えると、次の3つが出てくる。σ^\hat\sigma を完全に混ざった状態や対角部分に取ると、1つの系のエントロピーの性質が出る。2つの系の積状態に取ると、量子相互情報量と、負になりうる条件付きエントロピーが出る。Gibbs 状態に取ると、量子系の自由エネルギーの変分原理と平均場近似の上界が出る。

この章の対数はすべて自然対数で、情報量の単位は nat とする。量子ビットの Pauli 行列は記法の正本に従って X,Y,ZX,Y,Z と書き、恒等演算子を 1\mathbf 1 と書く。Hilbert 空間 H\mathcal{H} はすべて有限次元(次元 dd)とする。D の非負性を2つの量子状態の間で示すことと、それを使った性質の導出までがこの章の範囲で、量子チャネルを通すと DD が増えないこと(量子データ処理不等式)と強劣加法性は次の章(第3部第3章)で扱う。

行列の関数

ln⁡ρ^\ln\hat\rho のような式を意味のあるものにするために、エルミート行列の関数を定めておく。エルミート行列 A^\hat A は正規直交な固有ベクトルでA^=∑iai∣ai⟩⟨ai∣\hat A=\sum_ia_i| a_i \rangle \langle a_i | と分解することができる。実数の関数 ff に対して

f(A^)≔∑if(ai) ∣ai⟩⟨ai∣(3.2.1)f(\hat A)\coloneqq\sum_if(a_i)\,| a_i \rangle \langle a_i |\tag{3.2.1}

と定める。ff が多項式なら、これは行列の積で計算した f(A^)f(\hat A) と一致する。固有値が重なっているときも、同じ固有値の固有空間への射影子に同じ値 f(ai)f(a_i) を掛けるので、固有ベクトルの選び方によらない。

密度行列 ρ^\hat\rho の固有値 pip_i は 0≤pi≤10\le p_i\le1、∑ipi=1\sum_ip_i=1 を満たすので、確率分布になっている。固有値 00 のところで ln⁡0\ln0 が出るが、古典の場合と同じく 0ln⁡0=00\ln0=0 と約束する。ρ^\hat\rho の固有値が正である固有ベクトルが張る部分空間を ρ^\hat\rho の台と呼び、supp⁡ρ^\operatorname{supp}\hat\rho と書く。

von Neumann エントロピーと量子相対エントロピー

定義 3.2.1(von Neumann エントロピー・量子相対エントロピー)

密度行列 ρ^\hat\rho の von Neumann エントロピーを

S(ρ^)≔−Tr⁡(ρ^ln⁡ρ^)=−∑ipiln⁡pi=H(p)(3.2.2)S(\hat\rho)\coloneqq-\operatorname{Tr}(\hat\rho\ln\hat\rho)=-\sum_ip_i\ln p_i=H(p)\tag{3.2.2}

で定める(pp は ρ^\hat\rho の固有値の分布)。2つの密度行列 ρ^\hat\rho、σ^\hat\sigma の量子相対エントロピーを、supp⁡ρ^⊆supp⁡σ^\operatorname{supp}\hat\rho\subseteq\operatorname{supp}\hat\sigma のとき

D(ρ^ ∥ σ^)≔Tr⁡ρ^ (ln⁡ρ^−ln⁡σ^)(3.2.3)D(\hat\rho\,\|\,\hat\sigma)\coloneqq\operatorname{Tr}\hat\rho\,(\ln\hat\rho-\ln\hat\sigma)\tag{3.2.3}

で定め、そうでないときは D(ρ^ ∥ σ^)=+∞D(\hat\rho\,\|\,\hat\sigma)=+\infty とする。

S(ρ^)S(\hat\rho) は ρ^\hat\rho の固有値の分布の Shannon エントロピーそのものである。物理の言葉に直すと、ρ^\hat\rho を固有状態 ∣ri⟩| r_i \rangle の確率 pip_i の混合とみたときに、どの固有状態にあるかについての驚きの平均である。量子力学の量なのに古典のエントロピーと同じ式になるのは、固有基底の中では ρ^\hat\rho が対角で、非対角成分(コヒーレンス)が無いからである。

量子相対エントロピーの方はそう単純ではない。ρ^=∑ipi∣ri⟩⟨ri∣\hat\rho=\sum_ip_i| r_i \rangle \langle r_i |、σ^=∑jqj∣sj⟩⟨sj∣\hat\sigma=\sum_jq_j| s_j \rangle \langle s_j | と2つを固有値分解すると、Tr⁡ρ^ln⁡ρ^=∑ipiln⁡pi\operatorname{Tr}\hat\rho\ln\hat\rho=\sum_ip_i\ln p_i だが、ln⁡σ^\ln\hat\sigma は σ^\hat\sigma の固有基底で対角なので

−Tr⁡ρ^ln⁡σ^=−∑i,jpi ∣⟨ri∣sj⟩∣2ln⁡qj=S(ρ^)+D(ρ^ ∥ σ^)(3.2.4)-\operatorname{Tr}\hat\rho\ln\hat\sigma=-\sum_{i,j}p_i\,\lvert \langle r_i | s_j \rangle \rvert ^2\ln q_j=S(\hat\rho)+D(\hat\rho\,\|\,\hat\sigma)\tag{3.2.4}

となり、2つの固有基底の重なり ∣⟨ri∣sj⟩∣2\lvert \langle r_i | s_j \rangle \rvert ^2 が入る。左辺は古典の交差エントロピー −∑pln⁡q-\sum p\ln q の量子版で、式 (3.2.4) は古典の「交差エントロピー =H(p)+D(p ∥ q)=H(p)+D(p\,\|\,q)」と同じ形をしている。

命題 3.2.2(交換する2状態)

ρ^\hat\rho と σ^\hat\sigma が交換する([ρ^, σ^]=0\left[\hat\rho,\,\hat\sigma\right]=0)なら、共通の固有基底 ∣k⟩| k \rangle があり、ρ^=∑kpk∣k⟩⟨k∣\hat\rho=\sum_kp_k| k \rangle \langle k |、σ^=∑kqk∣k⟩⟨k∣\hat\sigma=\sum_kq_k| k \rangle \langle k | と書ける。このとき D(ρ^ ∥ σ^)=D(p ∥ q)D(\hat\rho\,\|\,\hat\sigma)=D(p\,\|\,q)(古典の相対エントロピー)である。

証明

交換するエルミート行列は同時に対角化できる。同じ基底で ln⁡ρ^−ln⁡σ^=∑k(ln⁡pk−ln⁡qk)∣k⟩⟨k∣\ln\hat\rho-\ln\hat\sigma=\sum_k(\ln p_k-\ln q_k)| k \rangle \langle k | なので、ρ^\hat\rho を掛けてトレースをとると ∑kpkln⁡(pk/qk)\sum_kp_k\ln(p_k/q_k) になる。

したがって、古典の確率分布は対角な密度行列とみなせ、この章の結果は古典の結果を含む。逆に、交換しない2つの状態では、D(ρ^ ∥ σ^)D(\hat\rho\,\|\,\hat\sigma) は2つの固有値の分布 pp と qq だけでは決まらず、固有基底がどれだけずれているかにもよる。

量子ビットでの計算

量子ビットの密度行列は、Bloch ベクトル r=(rx,ry,rz)\bm{r}=(r_x,r_y,r_z)(∣r∣≤1\lvert \bm{r}\rvert \le1)で

ρ^=12(1+rxX+ryY+rzZ)=12(1+r⋅σ)(3.2.5)\hat\rho=\frac12\bigl(\mathbf 1+r_xX+r_yY+r_zZ\bigr)=\frac12(\mathbf 1+\bm{r}\cdot\bm{\sigma})\tag{3.2.5}

と書ける(前の章の Bloch 表示。σ=(X,Y,Z)\bm{\sigma}=(X,Y,Z) は行列を並べた記号)。(n⋅σ)2=1(\bm{n}\cdot\bm{\sigma})^2=\mathbf 1(∣n∣=1\lvert \bm{n}\rvert =1)なのでr⋅σ\bm{r}\cdot\bm{\sigma} の固有値は ±∣r∣\pm\lvert \bm{r}\rvert で、ρ^\hat\rho の固有値は (1±r)/2(1\pm r)/2(r=∣r∣r=\lvert \bm{r}\rvert)である。よって

S(ρ^)=hb(1+r2)(3.2.6)S(\hat\rho)=h_{\mathrm b}\Bigl(\frac{1+r}{2}\Bigr)\tag{3.2.6}

で、r=1r=1(純粋状態)で 00、r=0r=0(ρ^=1/2\hat\rho=\mathbf 1/2)で最大値 ln⁡2\ln2 をとる。ln⁡σ^\ln\hat\sigma も同じ形で、σ^=12(1+s n⋅σ)\hat\sigma=\frac12(\mathbf 1+s\,\bm{n}\cdot\bm{\sigma})(∣n∣=1\lvert \bm{n}\rvert =1、0≤s<10\le s<1)なら固有値 q±=(1±s)/2q_\pm=(1\pm s)/2 を使って

ln⁡σ^=ln⁡q++ln⁡q−2 1+ln⁡q+−ln⁡q−2 n⋅σ=12ln⁡1−s24 1+artanh⁡(s) n⋅σ(3.2.7)\ln\hat\sigma=\frac{\ln q_++\ln q_-}{2}\,\mathbf 1+\frac{\ln q_+-\ln q_-}{2}\,\bm{n}\cdot\bm{\sigma} =\frac12\ln\frac{1-s^2}{4}\,\mathbf 1+\operatorname{artanh}(s)\,\bm{n}\cdot\bm{\sigma}\tag{3.2.7}

となる。Tr⁡(ρ^ n⋅σ)=r⋅n\operatorname{Tr}\bigl(\hat\rho\,\bm{n}\cdot\bm{\sigma}\bigr)=\bm{r}\cdot\bm{n} を使えば、DD は Bloch ベクトルだけで計算することができる。

例題 3.2.1 スペクトルが同じで向きだけ違う2つの量子ビット ★★★

オリジナルρ^=12(1+r Z)\hat\rho=\frac12(\mathbf 1+r\,Z) と、それを Bloch 球の上で角度 θ\theta だけ回した σ^=12(1+r(sin⁡θ X+cos⁡θ Z))\hat\sigma=\frac12\bigl(\mathbf 1+r(\sin\theta\,X+\cos\theta\,Z)\bigr) を考える(0<r<10<r<1)。

  1. S(ρ^)S(\hat\rho) と S(σ^)S(\hat\sigma) を求め、r=0.6r=0.6 での値を出せ。
  2. D(ρ^ ∥ σ^)=rartanh⁡(r) (1−cos⁡θ)D(\hat\rho\,\|\,\hat\sigma)=r\operatorname{artanh}(r)\,(1-\cos\theta) を示せ。
  3. r=0.6r=0.6 で θ=π/2\theta=\pi/2 と θ=π\theta=\pi の値を求め、固有値の分布どうしの古典の相対エントロピーと比べよ。
解答

(1) どちらも Bloch ベクトルの長さが rr なので、式 (3.2.6) から S(ρ^)=S(σ^)=hb((1+r)/2)S(\hat\rho)=S(\hat\sigma)=h_{\mathrm b}\bigl((1+r)/2\bigr)。r=0.6r=0.6 では固有値が 0.80.8 と 0.20.2 で、hb(0.8)=−0.8ln⁡0.8−0.2ln⁡0.2=0.5004h_{\mathrm b}(0.8)=-0.8\ln0.8-0.2\ln0.2=0.5004 nat である。

(2) 式 (3.2.4) の第1項は Tr⁡ρ^ln⁡ρ^=−S(ρ^)\operatorname{Tr}\hat\rho\ln\hat\rho=-S(\hat\rho)。ρ^\hat\rho と σ^\hat\sigma はどちらも長さ rr なので、Tr⁡ρ^ln⁡ρ^\operatorname{Tr}\hat\rho\ln\hat\rho は式 (3.2.7) で s=rs=r、n=ez\bm{n}=\bm{e}_z としたものに ρ^\hat\rho を掛けてトレースをとった値 12ln⁡1−r24+rartanh⁡r\frac12\ln\frac{1-r^2}{4}+r\operatorname{artanh}r と書ける。ln⁡σ^\ln\hat\sigma は同じ式で n=(sin⁡θ,0,cos⁡θ)\bm{n}=(\sin\theta,0,\cos\theta) としたもので、ρ^\hat\rho の Bloch ベクトルとの内積は rcos⁡θr\cos\theta なのでTr⁡ρ^ln⁡σ^=12ln⁡1−r24+rcos⁡θartanh⁡r\operatorname{Tr}\hat\rho\ln\hat\sigma=\frac12\ln\frac{1-r^2}{4}+r\cos\theta\operatorname{artanh}r。引き算して

D(ρ^ ∥ σ^)=rartanh⁡(r) (1−cos⁡θ).D(\hat\rho\,\|\,\hat\sigma)=r\operatorname{artanh}(r)\,(1-\cos\theta).

(3) r=0.6r=0.6 では artanh⁡0.6=12ln⁡1.60.4=ln⁡2\operatorname{artanh}0.6=\frac12\ln\frac{1.6}{0.4}=\ln2 なので、D=0.6ln⁡2 (1−cos⁡θ)D=0.6\ln2\,(1-\cos\theta)。θ=π/2\theta=\pi/2 で 0.41590.4159 nat、θ=π\theta=\pi で 0.83180.8318 nat である。2つの状態の固有値の分布はどちらも (0.8,0.2)(0.8,0.2) なので、固有値の分布だけを比べた古典の相対エントロピーは 00 になる。θ=π\theta=\pi では σ^=12(1−0.6Z)\hat\sigma=\frac12(\mathbf 1-0.6Z) でρ^\hat\rho と交換し、命題 3.2.2 から D=D((0.8,0.2) ∥ (0.2,0.8))=0.6ln⁡4=0.8318D=D\bigl((0.8,0.2)\,\|\,(0.2,0.8)\bigr)=0.6\ln4=0.8318 と古典の値に一致する。0<θ<π0<\theta<\pi の DD は、固有値でなく固有基底の向きのずれから生じている。

この章で比べる状態の組

SS と DD は式 (3.2.4) でつながっているので、相手 σ^\hat\sigma をうまく選ぶと、エントロピーに関する量はすべて DD で書くことができる。この章で使う組を先に表にしておく。

ρ^\hat\rho と比べる σ^\hat\sigmaD(ρ^ ∥ σ^)D(\hat\rho\,\|\,\hat\sigma) の値扱う節
完全に混ざった状態 1/d\mathbf 1/dln⁡d−S(ρ^)\ln d-S(\hat\rho)3.2.3節
ある基底での対角部分 Δ(ρ^)\Delta(\hat\rho)S(Δ(ρ^))−S(ρ^)S(\Delta(\hat\rho))-S(\hat\rho)3.2.3節
混合 ρˉ=∑xpxρ^x\bar\rho=\sum_xp_x\hat\rho_x(ρ^x\hat\rho_x を比べる側に)∑xpxD(ρ^x ∥ ρˉ)=S(ρˉ)−∑xpxS(ρ^x)\sum_xp_xD(\hat\rho_x\,\|\,\bar\rho)=S(\bar\rho)-\sum_xp_xS(\hat\rho_x)3.2.3節
周辺の積 ρ^A⊗ρ^B\hat\rho_A\otimes\hat\rho_BI(A;B)ρI(A;B)_\rho3.2.4節
1A⊗ρ^B\mathbf 1_A\otimes\hat\rho_B(トレースが 11 でない)−S(A ∣ B)ρ-S(A\,|\,B)_\rho3.2.4節
Gibbs 状態 e−βH^/Z\mathrm{e}^{-\beta\hat H}/Zβ(F(ρ^)−Feq)\beta\bigl(F(\hat\rho)-F_{\mathrm{eq}}\bigr)3.2.5節

木下の勉強ステータス

木下はまだこの記事を勉強していません。

AI(Claude)が書いた教材を、木下が勉強しながら公開しています。式と数値は検算していますが、誤りが残っているかもしれません。誤りのご指摘・削除のご依頼をいただければ直します。 連絡先:support@tecktom.com

← AI生成教科書『虎の巻』の記事一覧へ