Upload
others
View
12
Download
0
Embed Size (px)
Citation preview
量子統計における弱収束に基づく局所漸近正規性
産業技術総合研究所
ゲノム情報研究センター
山形 浩一
普段やってること(ゲノム情報研究センター)•マウスやヒトのゲノム配列を眺めている.
ACATCCTGCGAAAAAGGTGGAGGTGGCAGTTGGTTTAGGTTTCTCTATCTTGTCTTCTTAACCACTAGGATGTGTGTTAGTCAGGTGTGTATGTTGTATTTGAGATCTTTCCAAGTAGGGGACATGGTCTGTGTGTCTGATCAGACATTAGATGACATCCTTGACTTTCTGTAACATGTCTCTTCAGGTGGCCATCCAGCATCCAACCTGGCAACTTCCACCTGCCAATAATGATTAGTCTGTCCATCCTACCATCTGGTCTCAGTTCTAAAGTTTTTAAACTTATCCAGGAAAAGCACTGGGGGGAGGGGAGGAGGGGAGAAGGAGACATCTGGGTCTGTTCCATCCTTCTAACCTTCAACATAAGAAAATAATTCAGACATGATTTAAACAAACAGGCAAAGAACACAGAAATATGAATGCCGATTGGTATACAATAACAAAAGAGAAAGTGAGATGATGACAAAGTGGGCATGACCTGAAATGTCTCTAAAGAAATTAGAGGACCCAACCCCTTATCAAGAGATCTGGTAGGTCTCTTGGTACTGATGACTCTTGGTGTCTAGTGGATCTGCTGCAGTCTTCTGTTGTCAGTGCTAAATCACAGGTTTACAGATTTACTAGAGTTAAAGCAGGCTCAGACAAACATTATCCAGAGAATACTTAACAATCAGTCTTTGACTTTAAAGGTTTGGGGTCCTGATGAAGTGGTAAGAGCCCCAAAATATTATGCCCAGATTGCCCATAGACCCCCATAGTCAAGCAGGAATTCCACTCATATGCCAAAGCAAAGAGTCTTTGTTCAAGCTCCAGCTTGTGCCTTCGAATCTCTCCAATGCAGTGGTTGGGTGTGGAAGGTCCCGAGCTGGTGAAGCTTTGCCTTTTTATCACAGTTACAGCAGGGCAGGTAAATCACAATTTAGCAGTTACTTGATTGGGTAGCATTTGAAAATTGTAGCTTGGAGCATTTCTATGGACTAGTAGTGATTTTAGCTTATTATGAATAATTGTGATTAACTTGAGTAATTTTTTTCAAAACAACTGGAATATTAGGTAATTTCCTCTTTGGAGCTGATTGGTGGTTATTAAGGGTGGAGTGGCTGTTTTTAGGAAAGTTATGGCTGTTGATAGTGGTGTCTTGGTTTCTGGAATAAGCTGTGTTTTTTACAGTAACTGAGCTCAGCCTGTGGATAAGTGTAACATAAGATGGAGACTAAATACAAAATGCAGGTTGTAATGTTAGACTGGGCCCTTCAGATCTCTGTTTTTTCCTTTTTCCATCATCATTCTCATCACTGAGTTCTATCTTGTTGGTGGAACCTGGCGTCATATTTAGGGACAAATTCCTTTTCCAATGCAGTGGCGAGTTTCCCCCATTCACTGTGCTCTGCCTCCATCTTCTTCCAAGATCAAGTAACCTGATGCTGCCTCTGTTGCTTTAGTTGGACCATCTTCATGGTCCACTGCTCTTTCTTTAGTTACATGCAGCCCATACATTGGCCCAGCTCCTAAATCCAATTTGTACTAGAGAAAATTTGTGCTTTTTTTTTTTATCATATGCACTTTAATTGGAGGCCCTTGTTGGCTTTTTGTTCACAACCAAAGTGAGGATTTTGGGACTGCATAATATTCGCTTTTGTGTCCATCAAA
今日は量子状態推定の話
1. 量子推定の基本的な話2. Quantum Gaussian State の推定3. Weak Quantum Local Asymptotic Normality
𝜌𝜃0+
ℎ
𝑛
⊗𝑛 ℎ ∈ ℝ𝑑似ている
量子Gaussian shift model
QLAN
K. Yamagata, A. Fujiwara, and R. D. Gill, “Quantum Local Asymptotic Normality based on a new Quantum Likelihood Ratio”, Annals of Statistics, Vol. 41, No. 4, 2197–2217 (2013).
1. 量子推定の基本的な話
測定値𝑥
量子状態推定
: 量子状態(密度作用素)
: 滑らかなパラメータ(d次元)
: 開集合,この中に真の値があり,それを推定したい
未知の量子状態𝜌𝜃
測定𝑀
推定値 𝜃(𝑥)
𝑀と 𝜃を最適化して,出来るだけ効率よく未知の𝜃を推定したい.
測定値𝑥
不偏推定量未知の量子状態
𝜌𝜃
測定𝑀
推定値 𝜃(𝑥)
𝑀と 𝜃が不偏推定量であるとは,
𝐸𝜃 𝑀, 𝜃𝑖 ≔
𝑥
𝑇𝑟 𝜌𝜃𝑀𝑥 𝜃𝑖 𝑥 = 𝜃𝑖
(∀𝜃 = (𝜃1, … , 𝜃𝑑) ∈ Θ)
𝑀と 𝜃が𝜃0で局所不偏推定量であるとは,
𝐸𝜃0𝑀, 𝜃𝑖 ≔ 𝜃0
𝑖
𝜕𝑖𝐸𝜃0𝑀, 𝜃𝑗 ≔ 𝛿𝑖
𝑗
1次までテイラー展開が一致𝜃0の近くで不偏な推定量
𝜃が1パラメータの場合
真値が𝜃0の近くにあると最適な推定量:
𝜃0
𝜕
𝜕𝜃方向の推定⇒𝐿で測定
𝜕𝜌𝜃0
𝜕𝜃=
1
2(𝐿 𝜌𝜃0
+ 𝜌𝜃0𝐿)
を満たすオブザーバブル 𝐿
𝜃 = 𝜃0 + 𝐽−1 𝐿
ここに 𝐽は 𝐽 = 𝑇𝑟 𝜌𝜃0𝐿2 なるSLD-Fisher情報量
(局所不偏推定量)𝑉𝜃0
𝑀, 𝜃 ≥ 𝐽−1
(量子Cramer-Rao不等式)
の等号を達成可能.
局所不偏推定量の分散
𝜃0における対称対数微分 (SLD)
Multi-parameterの不確定性
𝑉𝜃[𝑀, 𝜃]は推定量の共分散行列,(d-parameterなのでd×d行列)
𝑉𝜃0𝑀, 𝜃 ≥ 𝐽𝜃0
−1
𝑀と 𝜃が𝜃0で(局所)不偏推定量とする,
𝐽𝜃0𝑖𝑗 ≔ 𝑅𝑒 𝑇𝑟 𝜌𝜃0𝐿𝑖𝐿𝑗 は
SLD-Fisher情報行列(d×d行列)
量子CramerRao不等式が等号達成できない(古典統計なら可能)
𝜃0
𝜕
𝜕𝜃𝑖方向の推定⇒𝐿𝑖で測定
𝜕
𝜕𝜃𝑗方向の推定⇒𝐿𝑗で測定
𝐿𝑖 , 𝐿𝑗 ≠ 0
同時測定不可
量子CramerRao不等式
共分散行列をスカラーに
𝑉𝜃0𝑀, 𝜃 に下限がない tr G 𝑉𝜃0
𝑀, 𝜃 を最適化
𝐺>0はd×d実正定値行列(どのparameter の推定を重視するかで
自由に設定)
• SLDが可換の時• Hilbert空間の次元が2の時• 状態がpureの時• 状態がGaussian stateの時
tr G 𝑉𝜃0𝑀, 𝜃 を最小にする推定量が分かっている統計モデル
今日使う
Holevo bound
tr G 𝑉𝜃0𝑀, 𝜃 ≥ 𝑐𝜃0
(𝐺)
ここに 𝑐𝜃0(G) は Holevo bound と呼ばれる量
𝑐𝜃0𝐺 ≔ min
𝑋∈𝜒𝑡𝑟 𝐺 𝑍 𝑋 + 𝑡𝑟 𝐺𝐼𝑚 𝑍 𝑋 𝐺
𝜒 = 𝑋 = (𝑋1, … , 𝑋𝑑) 𝑅𝑒 𝑡𝑟 𝜌𝜃0𝐿𝑖𝑋𝑗 = 𝛿𝑖𝑗
𝑋𝑖 はエルミート作用素
𝑍𝑖𝑗(𝑋) = 𝜌𝜃0𝑋𝑗𝑋𝑖
がんばれば解析的に計算できる
無限に量子相関すれば漸近的に等号達成可能
QLAN
2. Quantum Gaussian State の推定
PとQのGaussian state (簡易版)
P: 運動量演算子Q: 位置演算子
𝑃, 𝑄 = −1 𝒜: PとQが生成する代数空間𝒜上の量子状態:
線形汎関数𝜓: 𝒜 → ℂで表現される.
𝜓 exp −1 𝜉1𝑃 + 𝜉2𝑄
= exp −1 ℎ, 𝜉 −1
2𝜉, 𝑉𝜉
特性関数が
(𝑉>0はdet𝑉 > 1なる実正定値行列. ℎ ∈ ℝ2. )P
Q
h
不確定性原理
Gaussian state
一般のCCR代数上のGaussian state (簡易版)
𝑚 ≥ 𝑟に対して,𝑠𝑝𝑎𝑛ℝ 𝑃1, 𝑄1, … , 𝑃𝑚, 𝑄𝑚 から一次独立な𝑋1, … , 𝑋𝑟
を適当に選べばよい
𝑋𝑖 , 𝑋𝑗 = −2 −1𝑆𝑖𝑗
r個の交換関係
ここに𝑆𝑖𝑗 = −𝑆𝑗𝑖はr×r実交代行列
𝐶𝐶𝑅(𝑆): 𝑋1, … , 𝑋𝑟 が生成する代数空間
𝜓 exp −1𝜉𝑖𝑋𝑖 = exp −1 ℎ, 𝜉 −1
2𝜉, 𝐽𝜉特性関数が
𝑁(ℎ, 𝐽) と記す.ここに 𝐽 ≥ 0は𝐼𝑚 𝐽 = 𝑆なる複素半正定値行列, ℎ ∈ ℝ𝑟
Gaussian state
Gaussian shift model の推定
𝑁(ℎ, 𝐽) ℎ ∈ ℝ𝑟 の ℎを推定したい.
𝐽がRLD-Fisher情報行列の逆行列
𝑅𝑒 𝐽がSLD-Fisher情報行列の逆行列
(記号は,こうなるように調整した)
部分Gaussian shift model の推定
𝑁(𝜏ℎ, 𝐽) ℎ ∈ ℝ𝑑 の ℎを推定したい.
𝐽はr×r複素半正定値行列
𝜏はr×d実行列
これはGaussian shift modelの部分モデル
Holevo bound は
𝑐𝜃0𝐺 ≔ min
𝐹𝑡𝑟 𝐺 𝑍 + 𝑡𝑟 𝐺𝐼𝑚 𝑍 𝐺
𝐹 is an 𝑟 × 𝑑 real matrix s.t. 𝐹𝑡𝜏 = 𝐼
𝑍 = 𝐹𝑡𝐽 𝐹
Holevo bound を一様に達成する不偏推定量が存在
量子統計では部分Gaussian model をfull Gaussian model に帰着できない!!ゆえに𝐽, 𝜏両方がFisher 情報量の役目を果たすべき.
𝐽, 𝜏, 𝐺だけから決まる.
3. Quantum Local Asymptotic Normality (QLAN)量子局所漸近正規性
QLANの概要
量子パラメトリックモデル𝜌𝜃 𝜃 ∈ Θ ⊂ ℝ𝑑
𝜌𝜃0+
ℎ
𝑛
⊗𝑛 ℎ ∈ ℝ𝑑
h: 真の 𝜃の近くにある𝜃0の近傍の local parameter
似ている量子Gaussian
shift model
テンソル積拡大
Holevo bound も達成可
先行研究 (strong QLAN) [Kahn,and Guta, 2009]
問題点• 𝜌𝜃0
の固有値が縮退してると発散する.
• 混合状態のみ• Full parameter modelのみで部分modelは考えていない.• 初めから指数型分布族を仮定していて,一般性に欠く.
channel 量子Gaussian shift model
𝜌𝜃0+
ℎ
𝑛
⊗𝑛 ℎ ∈ ℝ𝑑
本来のLAN理論は滑らかなモデルなら何でもいいはず.
本研究では,strong でなくweak LANの量子化をめざした.
古典Weak LAN
𝑁(ℎ, 𝐽−1) ℎ ∈ ℝ𝑑
𝐽はFisher行列𝑝
𝜃0+ℎ
𝑛
⊗𝑛 ℎ ∈ ℝ𝑑
log 𝑝𝜃0+
ℎ
𝑛
⊗𝑛 − log 𝑝𝜃0
⊗𝑛 = ℎ𝑖Δ𝑖𝑛
−1
2ℎ𝑖ℎ𝑗𝐽𝑖𝑗 + 𝑜 1
「尤度比」の「分布」が一致
すなわち
ここに
Δ(n) ⇝ 𝑁(0, 𝐽) (分布収束)𝑜 1 → 0 (確率収束)
∀ℎ ∈ ℝ𝑑
※尤度比の分布の一致から,あらゆる統計量の分布も一致させれることが示せる.つまり,統計的に一致
収束先の量子 Gaussian shift model
𝜌𝜃0+
ℎ
𝑛
⊗𝑛 ℎ ∈ ℝ𝑑𝑁(𝑅𝑒 (𝜏)ℎ, Σ) ℎ ∈ ℝ𝑑
部分量子Gasusian shift model
Σはr×r複素半正定値行列
𝜏はr×d複素行列
𝐿1, … , 𝐿𝑑: d 個のSLDs
𝐷1, … , 𝐷𝑟: r個のobservables, 𝒯の基底
𝒯: 𝑇𝑟 𝜌𝜃0𝐷 = 0なるエルミート作用素全体 (SLDs の𝒟不変拡張でもよい)
Σ𝑖𝑗 = 𝑇𝑟 𝜌𝜃0𝐷𝑗𝐷𝑖
𝜏𝑖𝑗 = 𝑇𝑟 𝜌𝜃0𝐿𝑗𝐷𝑖
𝑐𝜃0𝐺 ≔ min
𝐹𝑡𝑟 𝐺 𝑍 + 𝑡𝑟 𝐺𝐼𝑚 𝑍 𝐺
𝐹 is an 𝑟 × 𝑑 real matrix s.t. Re(𝐹𝑡𝜏) = 𝐼
𝑍 = 𝐹𝑡Σ 𝐹Holevo bound
Σ, 𝜏だけから決まる.
量子対数尤度比
二つの量子状態 𝜌, 𝜎が相互絶対連続
∃ℒ 𝜎 𝜌 エルミート作用素 s.t.
𝜎 = 𝑒12ℒ 𝜎 𝜌 𝜌 𝑒
12ℒ 𝜎 𝜌⟺
ℒ 𝜎 𝜌 は量子対数尤度比
もし 𝜌 > 0, 𝜎 > 0なら
ℒ 𝜎 𝜌 = 2 log 𝜌−1 𝜎𝜌 𝜎 𝜌−1
Weak QLAN𝜌𝜃が2回微分可能なら
ℒ 𝜌𝜃0+
ℎ
𝑛
⊗𝑛 𝜌𝜃0
⊗𝑛 = ℎ𝑖Δ𝑖𝑛
−1
2ℎ𝑖ℎ𝑗𝐽𝑖𝑗 + 𝑜ℎ
(𝑛)
Δ𝑖𝑛
≔
𝑘=1
𝑛1
𝑛𝐼⊗(𝑘−1) ⊗ 𝐿𝑖 ⊗ 𝐼⊗(𝑛−𝑘)
𝐷𝑗𝑛
≔
𝑘=1
𝑛1
𝑛𝐼⊗(𝑘−1) ⊗ 𝐷𝑗 ⊗ 𝐼⊗(𝑛−𝑘)
𝐷(𝑛)
Δ(𝑛)
𝑜ℎ(𝑛)
⇝ 𝑁000
,Σ 𝜏† 0𝜏 𝐽 00 0 0
(量子中心極限定理)
∀ℎ ∈ ℝ𝑑
古典weak LANとそっくりになる.
𝜌𝜃0+
ℎ
𝑛
⊗𝑛 ℎ ∈ ℝ𝑑 𝑁(𝑅𝑒 (𝜏)ℎ, Σ) ℎ ∈ ℝ𝑑
部分量子Gasusian shift model
Σはr×r複素半正定値行列𝜏はr×d複素行列
Holevo bound の漸近的達成
𝜌𝜃0+
ℎ
𝑛
⊗𝑛 ℎ ∈ ℝ𝑑𝑁(𝑅𝑒 (𝜏)ℎ, Σ) ℎ ∈ ℝ𝑑
部分量子Gasusian shift model
Σはr×r複素半正定値行列
𝜏はr×d複素行列
推定量の列,(𝑀(𝑛), 𝜃(𝑛))があって
𝐸ℎ 𝑀 𝑛 , 𝜃 𝑛 → ℎ
tr 𝐺𝑉ℎ 𝑀 𝑛 , 𝜃 𝑛 → 𝑐(𝐺)
∀ℎ ∈ 𝔻 ⊂ ℝ𝑑 (𝔻は加算部分集合)
漸近的に不偏推定量
Holevo bound 達成
今後の課題
• Holevo bound の達成を加算部分集合から全体にしたい.• 絶対連続をcontiguity (絶対連続の漸近版)に拡張したい.• Iidでないモデルに拡張したい.• 「漸近𝒟不変性」の定義が必要• Gaussian modelの統計量⇒QLANモデル列の統計量は言えるが,逆の証明ができていない.
• 量子分布収束,量子確率収束の理論を作りたい.• 二つのモデルが統計的に同等とは何か?
量子中心極限定理