tecktom.com

当てる DD の性質:データ処理不等式の等号と回復

2026年10月15日9分で読めますAI生成教科書『虎の巻』第3部 第9章 量子誤り訂正
目次
  1. 古典の場合:十分統計量
  2. Petz の定理
  3. 符号空間全体を戻す
  4. 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9章 §3.9.2 ★★★ D(N(ρ^) ∥ N(σ^))=D(ρ^ ∥ σ^)D(\mathcal N(\hat\rho)\,\|\,\mathcal N(\hat\sigma))=D(\hat\rho\,\|\,\hat\sigma) と、両方を戻すチャネルの存在が同値であること(Petz の定理)。古典の十分統計量の量子版

古典の場合:十分統計量

第1部第4章(第1部第4章)では、確率行列 WW を2つの分布に当てたときの D(Wp ∥ Wq)≤D(p ∥ q)D(Wp\,\|\,Wq)\le D(p\,\|\,q) を示し、等号の条件を調べた。統計量 TT について、パラメータのどの2つの値でも DD が減らないことは、TT が十分統計量であること、すなわち TT の値を知れば元のデータを TT だけから(パラメータを知らずに)再現できることと同値だった。再現するための確率行列は、TT を与えたときのデータの条件付き分布で、それはパラメータに依らない。

量子の場合も筋は同じだが、状態が交換しないので、「条件付き分布」にあたるものを作るのに工夫が要る。

Petz の定理

前の章(第3部第3章)では、状態 σ^\hat\sigma とチャネル N\mathcal N から作る Petz の回復写像

Pσ^,N(A^)=σ^1/2 N† ⁣(N(σ^)−1/2 A^ N(σ^)−1/2) σ^1/2(3.9.5)\mathcal P_{\hat\sigma,\mathcal N}(\hat A)=\hat\sigma^{1/2}\,\mathcal N^\dagger\!\bigl(\mathcal N(\hat\sigma)^{-1/2}\,\hat A\,\mathcal N(\hat\sigma)^{-1/2}\bigr)\,\hat\sigma^{1/2}\tag{3.9.5}

を定義し、それがチャネルで σ^\hat\sigma をいつも戻すこと、データ処理不等式の等号が Pσ^,N(N(ρ^))=ρ^\mathcal P_{\hat\sigma,\mathcal N}(\mathcal N(\hat\rho))=\hat\rho と同値であることを述べた。ここで N†\mathcal N^\dagger は随伴写像(Kraus 表示 N(A^)=∑aK^aA^K^a†\mathcal N(\hat A)=\sum_a\hat K_a\hat A\hat K_a^\dagger なら N†(B^)=∑aK^a†B^K^a\mathcal N^\dagger(\hat B)=\sum_a\hat K_a^\dagger\hat B\hat K_a)、N(σ^)−1/2\mathcal N(\hat\sigma)^{-1/2} は台の上での逆数の平方根である。誤り訂正で使うために、これを「何でもよいから戻すチャネルがある」という条件と並べて書いておく。

定理 3.9.1(Petz の定理 ★★★)

量子チャネル N\mathcal N と、supp⁡ρ^⊆supp⁡σ^\operatorname{supp}\hat\rho\subseteq\operatorname{supp}\hat\sigma を満たす2つの密度行列 ρ^\hat\rho、σ^\hat\sigma について、次の3つは同値である。

  1. (i) D(N(ρ^) ∥ N(σ^))=D(ρ^ ∥ σ^)D(\mathcal N(\hat\rho)\,\|\,\mathcal N(\hat\sigma))=D(\hat\rho\,\|\,\hat\sigma)。
  2. (ii) R(N(ρ^))=ρ^\mathcal R(\mathcal N(\hat\rho))=\hat\rho と R(N(σ^))=σ^\mathcal R(\mathcal N(\hat\sigma))=\hat\sigma を同時に満たす量子チャネル R\mathcal R が存在する。
  3. (iii) Petz の回復写像 (3.9.5) が ρ^\hat\rho を戻す:Pσ^,N(N(ρ^))=ρ^\mathcal P_{\hat\sigma,\mathcal N}(\mathcal N(\hat\rho))=\hat\rho。

(ii) から (i) は前の節の議論そのもので、N\mathcal N と R\mathcal R にデータ処理不等式を1回ずつ当てれば挟み撃ちで等号が出る。(iii) から (ii) は、R=Pσ^,N\mathcal R=\mathcal P_{\hat\sigma,\mathcal N} と取ればよい(σ^\hat\sigma はいつも戻る)。(i) から (iii) は、DD の等号から具体的な回復写像が出てくるという主張で、証明は Petz による1D. Petz (1986), Commun. Math. Phys. 105, 123; D. Petz (1988), Quart. J. Math. Oxford 39, 97。下の脚注へ。この証明は作用素の単調関数の議論を使うので、ここでは結果を使う。

式 (3.9.5) は、古典のBayes の公式の量子版として読める。古典で σ^\hat\sigma を事前分布 q(x)q(x)、N\mathcal N を通信路 W(y ∣ x)W(y\,|\,x) とすると、Pq,W(y→x)=W(y ∣ x)q(x)/(Wq)(y)\mathcal P_{q,W}(y\to x)=W(y\,|\,x)q(x)/(Wq)(y) は出力 yy から入力 xx を推す事後分布で、第1部第4章でデータ処理不等式の差を書くのに使った逆向きの条件付き分布と同じものである。σ^1/2\hat\sigma^{1/2} を両側から挟むのは、交換しない行列で「q(x)q(x) を掛ける」ことを対称に書くためである。

符号空間全体を戻す

誤り訂正では2つの状態でなく、符号空間 C\mathcal C のすべての状態を戻したい。比べる相手を符号空間の完全混合状態 σ^C=P^/dim⁡C\hat\sigma_{\mathcal C}=\hat P/\dim\mathcal C に固定すると、符号空間のどの状態 ρ^\hat\rho も supp⁡ρ^⊆supp⁡σ^C\operatorname{supp}\hat\rho\subseteq\operatorname{supp}\hat\sigma_{\mathcal C} を満たす。Petz の定理を族に広げた形によれば、すべての ρ^\hat\rho についてD(N(ρ^) ∥ N(σ^C))=D(ρ^ ∥ σ^C)D(\mathcal N(\hat\rho)\,\|\,\mathcal N(\hat\sigma_{\mathcal C}))=D(\hat\rho\,\|\,\hat\sigma_{\mathcal C}) が成り立つことと、1つの写像 Pσ^C,N\mathcal P_{\hat\sigma_{\mathcal C},\mathcal N} が符号空間全体を戻すことが同値になる。σ^C\hat\sigma_{\mathcal C} を使った Petz の回復写像は誤り訂正の文脈で「転置チャネル」と呼ばれ、等号が近似的にしか成り立たないときにもほぼ最良の回復を与える2H. Barnum and E. Knill (2002), J. Math. Phys. 43, 2097。DD の減り方が小さければ回復の忠実度が高いことを不等式で示した結果は M. Junge, R. Renner, D. Sutter, M. M. Wilde and A. Winter (2018), Ann. Henri Poincaré 19, 2955。下の脚注へ。

要点

誤りを訂正できることと、符号空間の状態どうしの相対エントロピーが雑音で減らないことは同値である。訂正の操作は、等号が成り立つときに Petz の回復写像 (3.9.5) として具体的に書ける。古典の十分統計量の言い換えが、そのまま量子誤り訂正の定義になる。

例題 3.9.2 位相緩和で守られる対と失われる対 ★★

オリジナル1量子ビットの位相緩和チャネル N(A^)=(1−ε)A^+εZA^Z\mathcal N(\hat A)=(1-\varepsilon )\hat A+\varepsilon Z\hat AZ を考え、ε=0.1\varepsilon =0.1、r=0.8r=0.8 とする。

  1. (1) ρ^z=12(1+rZ)\hat\rho_z=\frac12(\mathbf 1+rZ) と σ^z=12(1−rZ)\hat\sigma_z=\frac12(\mathbf 1-rZ) の DD を、チャネルを通す前と後で求めよ。
  2. (2) ρ^x=12(1+rX)\hat\rho_x=\frac12(\mathbf 1+rX) と σ^x=12(1−rX)\hat\sigma_x=\frac12(\mathbf 1-rX) について同じことをせよ。
  3. (3) σ^z\hat\sigma_z を使った Petz の回復写像 Pσ^z,N\mathcal P_{\hat\sigma_z,\mathcal N} で N(ρ^z)\mathcal N(\hat\rho_z) と N(ρ^x)\mathcal N(\hat\rho_x) を戻すと何になるか。
解答

(1) 交換する2つの状態の DD は固有値の分布の古典の DD なので、固有値 1±r2\frac{1\pm r}2 が入れ替わった2つの分布の

D(ρ^z ∥ σ^z)=1+r2ln⁡1+r1−r+1−r2ln⁡1−r1+r=rln⁡1+r1−r=0.8ln⁡9=1.7578.D(\hat\rho_z\,\|\,\hat\sigma_z)=\frac{1+r}2\ln\frac{1+r}{1-r}+\frac{1-r}2\ln\frac{1-r}{1+r}=r\ln\frac{1+r}{1-r}=0.8\ln9=1.7578 .

ZZ と交換する状態は Zρ^zZ=ρ^zZ\hat\rho_zZ=\hat\rho_z なので N(ρ^z)=ρ^z\mathcal N(\hat\rho_z)=\hat\rho_z、N(σ^z)=σ^z\mathcal N(\hat\sigma_z)=\hat\sigma_z で、DD は 1.75781.7578 のまま変わらない。

(2) 通す前は (1) と同じ固有値なので 1.75781.7578。ZXZ=−XZXZ=-X なので N(ρ^x)=12(1+r′X)\mathcal N(\hat\rho_x)=\frac12(\mathbf 1+r'X)、r′=(1−2ε)r=0.64r'=(1-2\varepsilon )r=0.64 で、

D(N(ρ^x) ∥ N(σ^x))=r′ln⁡1+r′1−r′=0.64ln⁡1.640.36=0.9705.D(\mathcal N(\hat\rho_x)\,\|\,\mathcal N(\hat\sigma_x))=r'\ln\frac{1+r'}{1-r'}=0.64\ln\frac{1.64}{0.36}=0.9705 .

DD が 1.75781.7578 から 0.97050.9705 に減ったので、Petz の定理によりこの2つを同時に戻すチャネルは存在しない。

(3) Kraus 演算子 1−ε 1\sqrt{1-\varepsilon }\,\mathbf 1 と ε Z\sqrt\varepsilon \,Z はエルミートなので N†=N\mathcal N^\dagger=\mathcal N、また N(σ^z)=σ^z\mathcal N(\hat\sigma_z)=\hat\sigma_z である。σ^z\hat\sigma_z は ZZ の固有基底で対角なので、行列 A^\hat A の成分を AijA_{ij}、σ^z\hat\sigma_z の固有値を s0,s1s_0,s_1 と書くと、σ^z−1/2A^σ^z−1/2\hat\sigma_z^{-1/2}\hat A\hat\sigma_z^{-1/2} の非対角成分は A01/s0s1A_{01}/\sqrt{s_0s_1}、N\mathcal N は非対角成分に 1−2ε1-2\varepsilon を掛け、外側の σ^z1/2\hat\sigma_z^{1/2} が s0s1\sqrt{s_0s_1} を掛け戻す。対角成分はどの段でも変わらない。したがって Pσ^z,N\mathcal P_{\hat\sigma_z,\mathcal N} は対角成分をそのまま、非対角成分を 1−2ε1-2\varepsilon 倍する写像で、Pσ^z,N(N(ρ^z))=ρ^z\mathcal P_{\hat\sigma_z,\mathcal N}(\mathcal N(\hat\rho_z))=\hat\rho_z は元に戻るが、Pσ^z,N(N(ρ^x))=12(1+(1−2ε)2rX)\mathcal P_{\hat\sigma_z,\mathcal N}(\mathcal N(\hat\rho_x))=\frac12\bigl(\mathbf 1+(1-2\varepsilon )^2rX\bigr) はさらに縮む。位相緩和は ZZ の固有基底で書いた古典の情報には何もしないが、重ね合わせの情報を失わせる。量子の符号は XX の向きと ZZ の向きの両方を守らなければならない。

1 D. Petz (1986), Commun. Math. Phys. 105, 123; D. Petz (1988), Quart. J. Math. Oxford 39, 97。

2 H. Barnum and E. Knill (2002), J. Math. Phys. 43, 2097。DD の減り方が小さければ回復の忠実度が高いことを不等式で示した結果は M. Junge, R. Renner, D. Sutter, M. M. Wilde and A. Winter (2018), Ann. Henri Poincaré 19, 2955。

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