Quantum state tomography via non-convex Riemannian gradient descent

研究問題與低秩假設

q個量子位元的密度矩陣ρ大小為d×d，其中d=2^q，必須Hermitian、半正定且跡為1。完整量子態重建希望由有限量測估計整個ρ；本文假設rank(ρ)=r遠小於d，利用低秩結構降低計算負擔。這是實質假設，不是所有量子態的普遍性質。秩r Hermitian矩陣的實參數數量為2dr−r²，跡1再少一個自由度，遠低於一般d²尺度。本文採非凸Riemannian gradient descent（RGD），並分析有限shot雜訊下的收斂與誤差。

取樣設定與量測次數是兩件事

隨機抽m個Pauli可觀測量S_i，定義A(X)_i=sqrt(d/m)Tr(S_iX)，伴隨A†y=sqrt(d/m)Σy_iS_i。這個尺度使平均意義下A†A接近恆等。每個設定實際量測l次，得到±1結果，其平均再乘sqrt(d/m)才是輸入y_i。總shots為m·l，不能只用m描述實驗成本。資料模型是y=A(ρ)+z，噪音以矩陣spectral norm ||A†z||≤λ控制。所有迭代重用同一批資料，不需要每步重新量測。

把量子態問題放寬成低秩最小平方

演算法最小化½||y−A(X)||₂²，限制X為Hermitian且rank(X)≤r，但放寬PSD與跡1。因此任意有限步輸出不應無條件稱為物理密度矩陣。初始化X₀=H_r(A†y)，其中H_r保留最大r個奇異值，給最佳秩r近似。對目前X的行列支撐投影P_U、P_V，切空間投影為P_T(G)=P_UG+GP_V−P_UGP_V；投影方向秩至多2r。它保留與低秩曲面相容的局部方向，避免每步在全部矩陣自由度中搜尋。

每次更新的清楚流程

先算殘差方向G=A†(y−A(X))，再投影D=P_T(G)。若D非零，取α=||D||F²/||A(D)||₂²，形成W=X+αD，最後X_new=H_r(W)。α是截斷前沿直線的精確line search，不是沿截斷後曲線的精確最小化；D=0需停止或另處理，不能算0/0。切向W至多秩2r，因此截斷可透過小矩陣處理。此方法與FGD的X=UU†因子化不同，後者目標對U是四次式，線搜尋較複雜，但不能絕對說其數學上不可能精確求解。

一個手算例子與RIP意義

以兩量子位元ρ=diag(0.8,0.2,0,0)、手選目前X=diag(0.7,0.3,0,0)、r=2為例，假設完整等距量測且無雜訊，便有D=diag(0.1,−0.1,0,0)、α=1，W=ρ且H₂(W)=W。這只是更新示範，完整量測下的規定初始化其實已是ρ。一般壓縮情形需要RIP：(1−δ_s)||X||F²≤||A(X)||₂²≤(1+δ_s)||X||F²對秩≤s成立，表示量測不過度扭曲低秩幾何，而非對所有矩陣都等距。

主要定理與不能省略的條件

設κ=σ₁/σ_r為ρ的非零特徵值條件數。當λ≤C₁σ_r/sqrt(r)、m≥C₂κ²r²d log⁶d，配合指定初始化，原文證明e_k=||X_k−ρ||F≤e₀γ̄^k+2sqrt(2r)λ/((1−δ₃r)(1−γ̄))，γ̄<1可取通用常數。第一項隨迭代下降，第二項是雜訊底限。收斂因子不依κ，不表示總成本不依κ：取樣充分條件有κ²，雜訊門檻也依σ_r。不能把log(1/(κε))的表述解釋為條件數越差就無代價地越容易重建。

證明的骨架與誤差尺度

Eckart–Young與三角不等式先給e_new≤2||ρ−W||F。接著將誤差分成RIP造成的線性項、切空間曲率造成的2e_k²/σ_r，以及O(sqrt(r)λ)的加法雜訊項。初始化滿足e₀≤2δ₂r||ρ||F+2sqrt(2r)λ，足夠近時能控制二次項。原文一組充分條件為λ≤σ_r/(20sqrt(2r))、δ₃r≤1/(80κsqrt(r))，得到γ̄<0.45。差矩陣的秩至多2r，所以核範數誤差≤sqrt(2r)倍Frobenius誤差，進而得到O(rλ)；比較兩種誤差必須保留秩因子。

迭代次數與每步成本

無雜訊時要達絕對誤差ε，只需取k不小於log(e₀/ε)/log(1/γ̄)的非負整數上整數；有雜訊時只需把初始化項壓到雜訊尺度，繼續迭代不會提高資料本身精度。每步可用兩次d×2r的QR與一次2r×2r的SVD，但切空間投影仍有O(d²r)矩陣乘法。原文Remark5給O(d²r+dr²+r³)，另需計入A、A†的應用、初始化及資料取得成本。不能只引用小矩陣SVD成本便宣稱全部每步為O(dr²)。

數值實驗與正確讀圖方式

原文用Qiskit與IBM量子模擬器產生6、8量子位元的|+〉張量態與GHZ態資料，均為純態r=1、κ=1。四個設定的m依序為819、1638、13107、26214，各設定8192shots；最大案例總計214745088shots。比較MIFGD的固定步長0.01與五種動量設定，RGD在圖中較快收斂。橫軸是迭代步數而非秒數，縱軸是平方Frobenius誤差。ExactRGD使用精確期望值，與有限shot版本不同；這些純態實驗也未掃描不同κ來獨立展示條件數優勢。

物理性、來源與研究意義

秩限制由截斷維持，但PSD與跡1並未每步強制。若Hermitian秩r估計與ρ的算子範數距離小於σ_r，可由Weyl推得r個正特徵值；跡仍不必恰為1，必要時需另行說明後處理。本文價值在低秩計算與誤差保證的結合，範圍是足夠取樣、低雜訊與合適初始化。來源：Ming-Chien Hsu、En-Jui Kuo、Wei-Hsuan Yu、Jian-Feng Cai、Min-Hsiu Hsieh，Quantum state tomography via non-convex Riemannian gradient descent，arXiv:2210.04717v1（2022）。本導讀未獨立重跑全部實驗，也不宣稱2022比較代表2026最新紀錄。