量子态幂的�迹估计:样本复杂度与计算难度
摘要
在各种基本量子属性中,如Rényi 熵和Tsallis 熵,tr(\rho^q)的计算备受关注。Liu和Wang (SODA 2025) 的近期工作表明,对于(可能是)非整数q>1,tr(\rho^q)可使用与维度无关(且与秩无关)的样本复杂度\~O(1/\epsilon^{3+\frac2{q-1}})进行误差为\epsilon的估计,并给出下界\Omega(1/\epsilon)。此外,结合Liu (STACS 2026) 的后续工作,显示相应的承诺问题为-complete。本文显著改进并扩展了该问题的样本复杂度下界。进一步地,我们指出对于0<q<1,除非,否则该问题不可能存在高效估计器,这被认为几乎不可能。具体而言,我们的主要结果如下。- 对于q>2,我们以匹配的上下界\~\Theta(1/\epsilon^2)确定了样本复杂度。- 对于1<q<2,我们获得上界\~O(1/\epsilon^{\frac2{q-1}}),并给出下界\Omega(1/\epsilon^{\max\{\frac1{q-1},2\}})用于维度无关(实际上是秩无关)估计器。- 对于0<q<1,我们获得上界O((d/\epsilon)^{\frac2{q}}),并给出下界\Omega((d/\epsilon)^{\frac1{q}})用于d维态(实际上,这两个下界可自然细化为依赖于秩而非维度)。相应的承诺问题为-hard,这与q>1的情况形成鲜明对比。技术上,我们的上界通过基于弱Schur抽样的量子估计器获得,这与先前基于量子奇异值转换和samplizer的方法形成鲜明对比。
引用
@article{arxiv.2505.09563,
title = {Trace Estimation of Quantum State Powers: Sample Complexity and Computational Hardness},
author = {Kean Chen and Yupan Liu and Qisheng Wang},
journal= {arXiv preprint arXiv:2505.09563},
year = {2026}
}
备注
38 pages, 2 tables, 4 algorithms. [v2]: Substantially new content added relative to [v1], including sample complexity and hardness results for 0 < q < 1; posted as a replacement for administrative reasons. [v1]: Appeared in COLT 2025