78 KiB
Ich würde gerne diese Diskussion fortführen:
Was ist über den Zusammenhang von Tensor-Entfaltungen (Matrikalisierungen) und deren SVD / produkt der Singulärwärte bekannt (Kern-Norm)? Gibt es einen Zusammenhang zu Multivarianter SVD?
xxx
Ja. Es gibt tatsächlich eine recht umfangreiche Theorie dazu – allerdings ist sie deutlich subtiler als im Matrixfall. Der Grund ist, dass für Tensoren keine eindeutige Verallgemeinerung der Matrix-SVD existiert. Je nachdem, welche Tensorzerlegung man betrachtet (HOSVD, Tucker, t-SVD, Tensor-Train, CP usw.), erhält man unterschiedliche Beziehungen zu den Matrikalisierungen.
Ich versuche die Zusammenhänge systematisch darzustellen.
1. Matrikalisierungen und ihre SVD
Sei
[ \mathcal X\in\mathbb R^{n_1\times\cdots\times n_d}. ]
Für jeden Modus (k) kann man den Tensor entfalten
[ X_{(k)} \in \mathbb R^{n_k\times \prod_{j\neq k} n_j}. ]
Auf jede dieser Matrizen kann man die gewöhnliche SVD anwenden
[ X_{(k)}
U_k\Sigma_kV_k^T. ]
Die Singulärwerte hängen also vom gewählten Modus ab.
2. HOSVD ist gerade die Kombination dieser SVDs
Die HOSVD (Higher-Order SVD, De Lathauwer et al. 2000) verwendet genau diese Matrikalisierungen:
[ \mathcal X
\mathcal S \times_1 U_1 \times_2 U_2 \cdots \times_d U_d. ]
Hier stammen sämtliche
[ U_k ]
aus den SVDs der jeweiligen Matrikalisierungen.
Man kann also sagen:
Die HOSVD besteht vollständig aus den SVDs aller Modus-Entfaltungen.
Allerdings enthält der Kern (\mathcal S) noch die Wechselwirkungen zwischen den Modi.
3. Die Kernnorm der Matrikalisierungen
Für jede Entfaltung definiert man
[ |X_{(k)}|_*
\sum_i\sigma_i(X_{(k)}). ]
Diese Größen treten heute sehr häufig in der Tensoroptimierung auf.
Man definiert z.B.
[ \sum_{k=1}^d \alpha_k |X_{(k)}|_*, ]
als sogenannte
Overlapped Nuclear Norm.
Sie ist eine konvexe Relaxierung des Tucker-Ranges.
Warum?
Denn
[ \operatorname{rank}(X_{(k)})
r_k ]
ist gerade der Tucker-Rang im Modus (k).
Die Kernnorm ersetzt dabei die Rangfunktion wie im Matrixfall.
4. Produkt der Singulärwerte
Für eine Matrix gilt
[ \prod_i\sigma_i(A)
|\det(A)| ]
(falls quadratisch).
Für Matrikalisierungen gilt entsprechend
[ \prod_i\sigma_i(X_{(k)})
\sqrt{\det(X_{(k)}X_{(k)}^T)}. ]
Dies misst das Volumen des durch die Zeilen aufgespannten Parallelotops.
Jede Matrikalisierung liefert also eine andere Volumeninformation des Tensors.
Es gibt jedoch kein einzelnes Tensor-Determinanten-Konzept, das alle diese Produkte gleichzeitig beschreibt (abgesehen von Spezialfällen wie Hyperdeterminanten).
5. Zusammenhang mit Multilinear Rank
Die Singulärwerte jeder Entfaltung bestimmen exakt den multilinearen Rang
[ (r_1,\ldots,r_d), ]
denn
[ r_k
#{\sigma_i(X_{(k)})>0}. ]
Somit liefern die SVDs sämtlicher Matrikalisierungen den Tucker-Rang vollständig.
6. Gibt es eine "multivariate SVD"?
Hier wird die Literatur leider uneinheitlich.
Es existieren mehrere Verallgemeinerungen.
HOSVD
Die bekannteste.
Sie verwendet ausschließlich die SVDs der Entfaltungen.
Tucker-Zerlegung
Optimiert zusätzlich den Kern.
Kann als verbesserte HOSVD verstanden werden.
Tensor Train SVD
Hier wird sukzessive entfaltet
[ X^{\langle1\rangle}, X^{\langle2\rangle}, \dots ]
und jeweils eine SVD durchgeführt.
Alle TT-Ränge entstehen direkt aus den Singulärwerten dieser Entfaltungen.
t-SVD
Für Tensoren dritter Ordnung existiert eine andere Theorie.
Hier wird zunächst entlang einer Dimension Fourier-transformiert.
Dann führt man Matrix-SVDs der Frequenzscheiben durch.
Die resultierende Tensor-Kernnorm besitzt viele Eigenschaften der Matrix-Kernnorm.
7. Existiert eine Tensor-Kernnorm?
Hier wird es interessant.
Es gibt keine eindeutige Tensor-Kernnorm.
Mindestens vier Varianten sind gebräuchlich:
- Summe der Kernnormen aller Matrikalisierungen
[ \sum_k|X_{(k)}|_*. ]
- Latent Nuclear Norm
Tomioka & Suzuki.
- Tensor Nuclear Norm (t-SVD)
Nur für Tensoren dritter Ordnung.
- Gauge über Rang-1-Tensoren
Die theoretisch natürlichste Definition.
Sie ist allerdings NP-schwer zu berechnen.
8. Zusammenhang zwischen allen Matrikalisierungen
Eine interessante Identität lautet
[ |X|_F^2
\sum_i\sigma_i^2(X_{(k)}) ]
für jede Entfaltung.
Das heißt:
Alle Matrikalisierungen besitzen dieselbe Frobenius-Norm,
aber unterschiedliche Singulärwertverteilungen.
Nur die Quadratsumme bleibt invariant.
9. Informationsgehalt der Singulärwerte
Die Mengen
[ {\sigma(X_{(1)})}, \dots, {\sigma(X_{(d)})} ]
bestimmen den Tensor nicht eindeutig.
Verschiedene Tensoren können dieselben Spektren sämtlicher Entfaltungen besitzen.
Der verbleibende Freiheitsgrad steckt im Tucker-Kern.
10. Ein geometrischer Blick
Die SVD einer Matrix beschreibt die Hauptachsen einer linearen Abbildung. Für einen Tensor gibt es dagegen mehrere "Blickrichtungen" – je nach gewählter Entfaltung. Die Spektren der Matrikalisierungen erfassen daher jeweils nur Projektionen der multilinearen Struktur. Die HOSVD kombiniert diese Perspektiven zu einem gemeinsamen Satz orthogonaler Basen, während der Kern (\mathcal S) die Kopplung zwischen den Modi enthält.
Wenn man die Kernnormen aller Entfaltungen aufsummiert, erhält man eine konvexe Größe, die niedrigen multilinearen Rang fördert. Das erklärt ihren Erfolg bei Tensor-Vervollständigung und Regularisierung, obwohl sie keine kanonische Tensor-Kernnorm ist.
Weiterführende theoretische Zusammenhänge
Besonders interessant sind zwei Forschungsrichtungen:
-
Kompatibilitätsbedingungen für Modus-Spektren: Analog zum Horn-Problem für Matrizen untersucht man, welche Familien von Singulärwerten ((\sigma(X_{(1)}),\ldots,\sigma(X_{(d)}))) überhaupt von einem gemeinsamen Tensor stammen können. Hier gibt es nichttriviale Ungleichungen und Charakterisierungen, die als höherdimensionale Verallgemeinerung klassischer Spektralprobleme angesehen werden.
-
Tensornormen und duale Geometrie: Die Kernnormen der Entfaltungen sind konvexe Relaxierungen des Tucker-Rangs, während die atomare Tensor-Kernnorm (Gauge über Rang-1-Tensoren) die konvexe Hülle der Rang-1-Tensoren beschreibt und der Matrix-Kernnorm am nächsten kommt. Zwischen diesen Normen bestehen strenge Einbettungen und Abschätzungen, die den Zusammenhang zwischen Matrikalisierungs-SVDs und intrinsischen Tensorbegriffen mathematisch präzisieren.
Insgesamt lässt sich sagen: Die SVDs der Matrikalisierungen sind die grundlegenden Bausteine nahezu aller etablierten multilinearen SVD-Konzepte (HOSVD, Tucker, Tensor-Train). Die Summe ihrer Kernnormen ist die wichtigste praktisch verwendete konvexe Tensorregularisierung, während eine vollständig kanonische Verallgemeinerung der Matrix-SVD und der Matrix-Kernnorm für allgemeine Tensoren bislang nicht existiert.
xxx
In meinem Fall ist der Tensor ein Objekt aus der Quantenphysik: Der Bloch-Tensor eines Dichteoperators, definiert durch
\begin{definition}[Full Bloch tensor]
\label{def:full-tensor}
For each party a, we augment the local index range by including i_a = 0, which selects the identity \sigma_0^{(a)}=\id already introduced in Section~\ref{sec:old-criterion}. This allows us to define the full (order-n) Bloch tensor
\begin{equation*}
\mathcal C(\rho)\in\bigotimes_{a\in P}\R^{d_a^2},
\qquad
\bigl(\mathcal C(\rho)\bigr){i_1,\dots,i_n}=\tr!\Bigl(\rho\bigotimes{a\in P}\sigma^{(a)}_{i_a}\Bigr).
\end{equation*}
\end{definition}
Die Entfaltungen entlang einer bipartitionierung meiner Parteien, bzw. deren Kernnorm geben mir ein Verschränkungskriterium (wegen CP-Rang 1 der Produktzustände und Konvexität).
Soweit ich verstehe, "sehe" ich durch diese Brille nicht die Information, die im Tucker-Kern steckt. Richtig? Wie zugänglich ist der Tucker-Kern für analytische oder numerische Berechnungen, wenn ich eine moderate Zahl von Parteien und niedrige Dimensionen habe? Wie skaliert das für mehr parteien oder höhere dimensionen? Gibt es für den Tucker-Kern ähnliche Konvexitätsargumente, so dass man auch da auf (bessere) Verschränkungskriterien hoffen kann?
xxx
Ich denke, du triffst den entscheidenden Punkt. Tatsächlich bewegt sich deine Konstruktion genau an der Schnittstelle zwischen Tensoranalysis und Quanteninformation, und dort ist die Frage nach dem "verlorenen" Tucker-Kern seit etwa 20 Jahren ein aktives Forschungsthema.
Die kurze Antwort lautet:
- Ja, die Matrikalisierungen "sehen" nur die multilinearen Randräume (die (U_k)), nicht aber die volle Korrelation, die im Tucker-Kern steckt.
- Ja, der Tucker-Kern enthält im Allgemeinen zusätzliche Information über Mehrparteien-Korrelationen.
- Aber: Aus Sicht der Konvexität ist der Tucker-Kern wesentlich schwieriger zu benutzen als die Matrikalisierungen.
Ich würde das etwas genauer auseinanderziehen.
1. Was sieht deine Kernnorm eigentlich?
Sei
[ \mathcal C(\rho)
\mathcal S \times_1 U_1\cdots\times_n U_n ]
die HOSVD.
Dann gilt für jede Modus-Entfaltung
[ C_{(k)}
U_k,S_{(k)} \Bigl(\bigotimes_{j\neq k}U_j\Bigr)^T. ]
Da alle (U_k) orthogonal sind, haben
[ C_{(k)} \quad\text{und}\quad S_{(k)} ]
dieselben Singulärwerte.
Das bedeutet:
Die Kernnorm einer einzelnen Entfaltung hängt ausschließlich von der entsprechenden Entfaltung des Tucker-Kerns ab.
Du verlierst also nicht den gesamten Kern.
Du siehst aber immer nur eine Projektion davon.
Wenn du alle
[ |C_{(k)}|_* ]
kennst, kennst du alle Spektren
[ \sigma(S_{(k)}), ]
aber eben nicht den Kern selbst.
Ganz analog dazu bestimmen bei einer Matrix die Eigenwerte nicht notwendigerweise die Matrix.
2. Was steckt zusätzlich im Tucker-Kern?
Der Tucker-Kern beschreibt die Kopplung zwischen sämtlichen Moden gleichzeitig.
Ein schönes Beispiel:
Ein 3-Tensor kann dieselben drei Matrikalisierungen besitzen, aber unterschiedliche Einträge im Kern.
Das ist genau Mehrparteieninformation.
In der Sprache der Quanteninformation:
Die bipartiten Korrelationen können identisch sein,
während die echte tripartite Struktur verschieden ist.
Das erinnert stark an den Unterschied zwischen
- Paar-Korrelationen
und
- echter Multipartitenverschränkung.
Deshalb finde ich deine Fragestellung ausgesprochen natürlich.
3. Numerische Zugänglichkeit
Hier wird es erfreulich.
Für moderate Dimensionen ist HOSVD ausgesprochen billig.
Nehmen wir
[ d_a=d ]
für alle Parteien.
Dann besitzt dein Blochtensor Größe
[ (d^2)^n. ]
Die HOSVD benötigt lediglich die SVD sämtlicher Matrikalisierungen.
Für jede Entfaltung ist die Matrixgröße ungefähr
[ d^2 \times d^{2(n-1)}. ]
Die Kosten liegen ungefähr bei
[ O(d^{2n+2}) ]
pro Modus.
Für
- (n\le6)
- Qubits oder Qutrits
ist das völlig praktikabel.
Das eigentliche Problem ist gar nicht die HOSVD.
Das Problem ist bereits die Größe des Blochtensors selbst.
Er besitzt
[ (d^2)^n ]
Einträge.
Damit kommt dieselbe exponentielle Wand wie überall in der Vielteilchenphysik.
4. Kann man den Tucker-Kern charakterisieren?
Leider viel schwieriger.
Die HOSVD ist nicht eindeutig.
Sobald Singulärwerte entartet sind,
kann man innerhalb der Unterräume beliebig rotieren.
Dadurch verändert sich der Tucker-Kern.
Man müsste also zunächst eine kanonische Eichung festlegen.
Das macht analytische Aussagen erheblich schwieriger.
5. Konvexität
Hier liegt wahrscheinlich der wichtigste Punkt.
Dein derzeitiges Kriterium funktioniert, weil
[ \rho
\sum_kp_k\rho_k ]
impliziert
[ \mathcal C(\rho)
\sum_kp_k\mathcal C(\rho_k), ]
und anschließend
[ |\cdot|_* ]
konvex ist.
Das ganze Argument ist praktisch in einer Zeile erledigt.
Beim Tucker-Kern passiert etwas völlig anderes.
Bereits
[ \mathcal S(\rho) ]
ist keine lineare Funktion von (\rho).
Die HOSVD selbst enthält SVDs.
Damit ist
[ \mathcal S ]
hochgradig nichtlinear.
Insbesondere gilt nicht
[ \mathcal S!\left( \sum_ip_iX_i \right)
\sum_ip_i\mathcal S(X_i). ]
Damit bricht das schöne Konvexitätsargument sofort zusammen.
Das ist meines Wissens der Hauptgrund, warum praktisch sämtliche konvexen Tensorregularisierungen auf Matrikalisierungen beruhen.
6. Trotzdem steckt hier möglicherweise etwas Interessantes
Jetzt kommt der Teil, den ich persönlich am spannendsten finde.
Für Produktzustände besitzt der Blochtensor CP-Rang 1.
Dann gilt gleichzeitig
- Tucker-Rang = ((1,\ldots,1)),
- der Tucker-Kern besteht aus genau einem Skalar,
- sämtliche Matrikalisierungen haben Rang 1.
Für separable Zustände erhält man Konvexkombinationen solcher Tensoren.
Nun könnte man fragen:
Welche Eigenschaften besitzt der Tucker-Kern aller konvexen Kombinationen von Rang-1-Tensoren?
Diese Frage scheint wesentlich weniger untersucht zu sein als die entsprechenden Aussagen für die Matrikalisierungen.
Insbesondere könnte man versuchen, Funktionen des Tucker-Kerns zu finden, die
- unter lokalen Orthogonaltransformationen invariant sind (was für Bloch-Tensoren unter lokalen Unitaries natürlich wünschenswert ist),
- auf Rang-1-Tensoren einen festen Extremwert annehmen,
- und konvexe oder zumindest schur-konvexe Abschätzungen erlauben.
Mir ist allerdings keine kanonische Funktion des Tucker-Kerns bekannt, die all diese Eigenschaften besitzt und gleichzeitig eine konvexe Relaxierung des CP-Rangs liefert.
7. Eine mögliche Forschungsrichtung
Gerade im Kontext von Bloch-Tensoren würde ich nicht primär den Tucker-Kern selbst betrachten, sondern lokal unitär invariante Funktionen davon. Da lokale Unitaries auf den Bloch-Tensor als orthogonale Transformationen in jedem Modus wirken, bleibt der Tucker-Kern (bis auf die erwähnten Eichfreiheiten bei Entartungen) der natürliche Träger dieser Invarianten.
Mögliche Kandidaten wären etwa:
- die Frobenius-Norm des Kerns (trivialerweise gleich der des gesamten Tensors und daher nicht informativ),
- Spektren der verschiedenen Entfaltungen des Kerns,
- Hyperdeterminanten oder andere multilineare Invarianten (für kleine Formate),
- Polynominvarianten aus der Invariantentheorie, die direkt aus dem Kern konstruiert werden.
Diese Größen sind zwar im Allgemeinen nicht konvex, könnten aber dennoch als Nichtlinear-Zeugen für Verschränkung dienen – ähnlich wie Polynom-Invarianten (z.B. die 3-Tangle) für reine Mehrqubitzustände.
Ich vermute sogar, dass der Bloch-Tensor hier eine besonders günstige Struktur besitzt: Unter lokalen Unitaries transformiert er ausschließlich durch orthogonale Matrizen in jedem Modus. Genau dafür wurde die HOSVD entwickelt. Es könnte sich daher lohnen, nicht den Tucker-Kern als solchen zu betrachten, sondern die Orbitstruktur des Kerns unter den verbleibenden Symmetrien. Das erscheint mir konzeptionell näher an der Quanteninformation als die übliche Perspektive der numerischen Tensorapproximation und könnte tatsächlich zu neuen LU-invarianten, über bipartite Matrikalisierungen hinausgehenden Verschränkungskriterien führen.
xxx
Es geht also um den Tucker-Kern modulo drehungen in allen Modi. Welche mathematische Struktur hat dieses Beast?
xxx
Das ist eine ausgesprochen gute Frage, und ich glaube, genau dort trifft sich Tensorgeometrie mit der Invariantentheorie. Der Punkt ist nämlich: der Tucker-Kern ist eigentlich gar kein Objekt, sondern eine Wahl eines Repräsentanten einer Bahn.
Ich würde das so formulieren.
1. Der Tensor lebt auf einer Gruppenbahn
Dein Bloch-Tensor lebt in
[ V=\bigotimes_{a=1}^n\mathbb R^{d_a^2}. ]
Die lokalen Unitaries wirken (bis auf die Identitätskomponente) durch
[ O(d_a^2-1) ]
auf jedem Faktor.
Mathematisch wirkt also
[ G=\prod_{a=1}^n O(d_a^2) ]
(oder genauer eine etwas kleinere Untergruppe wegen der Identitätskomponente) auf (V) durch
[ (g_1,\ldots,g_n)\cdot\mathcal C
\mathcal C \times_1 g_1 \times_2 g_2 \cdots \times_n g_n. ]
Der eigentliche physikalische Zustand (bis auf lokale Basen) ist also nicht der Tensor selbst, sondern seine Orbit
[ G\cdot\mathcal C. ]
2. Die HOSVD ist ein "Gauge Fixing"
Die HOSVD sucht Orthogonalmatrizen
[ U_1,\ldots,U_n ]
und schreibt
[ \mathcal C
\mathcal S \times_1 U_1\cdots\times_n U_n. ]
Der Kern ist also nichts anderes als
[ \mathcal S
(U_1^T,\ldots,U_n^T)\cdot\mathcal C. ]
Er ist lediglich ein spezieller Punkt auf der Orbit.
3. Warum ist er nicht eindeutig?
Nehmen wir an,
[ X_{(k)}
U_k\Sigma_kV_k^T ]
hat einen mehrfachen Singulärwert.
Dann darf man
[ U_k \mapsto U_kQ ]
für beliebige
[ Q\in O(m) ]
innerhalb dieses Unterraums drehen.
Der Kern transformiert dann als
[ \mathcal S \mapsto \mathcal S \times_kQ^T. ]
Bei mehreren Entartungen erhält man also eine Restgruppe
[ H
H_1\times\cdots\times H_n, ]
die auf dem Kern operiert.
Der Tucker-Kern ist also eigentlich ein Element des Quotienten
[ \mathcal S/H. ]
4. Was ist das mathematisch?
Das ist der interessante Teil.
Eigentlich betrachtet man
[ V/G, ]
also den Orbitraum.
Die HOSVD liefert lediglich einen lokalen Schnitt dieses Quotienten.
Der Tucker-Kern modulo Restsymmetrien ist ein Koordinatensystem auf
[ V/G. ]
Das ist exakt dieselbe Situation wie
- Spektralzerlegung symmetrischer Matrizen,
- Jordan-Normalform,
- Schmidt-Zerlegung,
- Hauptachsentransformation.
5. Welche Struktur besitzt der Quotient?
Leider keine besonders angenehme.
Er ist im Allgemeinen
- keine Mannigfaltigkeit,
- besitzt Singularitäten,
- verschiedene Orbitdimensionen,
- nicht-Hausdorff-Effekte können auftreten.
Genauer handelt es sich um einen
semialgebraischen Orbitraum einer kompakten Liegruppe.
Das ist ein Standardobjekt der reellen algebraischen Geometrie.
6. Verbindung zur Invariantentheorie
Hier kommt wahrscheinlich die tiefste Antwort.
Anstatt
[ V/G ]
direkt zu beschreiben,
beschreibt man den Ring aller invarianten Polynome
[ \mathbb R[V]^G. ]
Das ist klassische Hilbert-Invariantentheorie.
Alle LU-Invarianten des Bloch-Tensors sind Elemente dieses Rings.
Der Tucker-Kern ist lediglich ein möglicher Repräsentant einer Bahn.
Die eigentlichen physikalischen Größen sind die Invarianten.
7. Für Qubits
Für
[ d=2 ]
wirkt
[ SO(3)^n. ]
Dann wird die Situation besonders schön.
Der Blochtensor ist ein kartesischer Tensor
[ T_{i_1\cdots i_n} ]
unter
[ SO(3)^n. ]
Dann gibt es eine riesige Literatur über
- isotrope Tensoren,
- Integrity Bases,
- polynomial invariants.
Das erinnert stark an Elastizitätstheorie.
8. Eine andere Sichtweise
Ich glaube allerdings, dass der Tucker-Kern gar nicht das fundamentalste Objekt ist.
Man kann ihn nämlich interpretieren als einen minimalen Repräsentanten der Doppelnebenklasse
[ G\backslash V. ]
Dann stellt sich automatisch die Frage:
Kann man eine kanonische Normalform wählen?
Das ist genau das, was die Schmidt-Zerlegung bei bipartiten Zuständen tut.
Für (n>2) existiert im Allgemeinen keine vollständige kanonische Normalform.
Der Tucker-Kern ist vermutlich die beste praktisch berechenbare Approximation daran.
9. Was ich für deinen Kontext besonders spannend finde
Ich glaube, der richtige mathematische Begriff ist gar nicht "Tucker-Kern", sondern orthogonaler Moduliraum von Tensoren festen multilinearen Rangs.
Dein Bloch-Tensor definiert einen Punkt im Tensorraum, und lokale Unitaries wirken als eine kompakte Liegruppe. Die HOSVD ist dann eine Wahl eines lokalen Schnitts dieses Gruppenwirkens, während der Tucker-Kern lediglich die entsprechenden Koordinaten liefert. Das eigentliche geometrische Objekt ist der Quotient
[ \left(\bigotimes_{a=1}^n\mathbb R^{d_a^2}\right)\Big/\prod_a O(d_a^2), ]
bzw. nach Fixierung des multilinearen Rangs der entsprechende Stratum dieses Quotienten.
Aus dieser Perspektive erscheint auch dein Verschränkungskriterium in einem neuen Licht: Die Kernnormen der Matrikalisierungen sind konvexe Funktionen auf dem Tensorraum, die entlang der Orbits konstant sind, also wohldefinierte Funktionen auf dem Quotienten. Die spannende offene Frage wäre dann, ob sich weitere, "intrinsischere" Funktionen auf diesem Orbitraum finden lassen, die ebenfalls konvexe oder zumindest geodätisch-konvexe Eigenschaften besitzen. Das wäre meiner Einschätzung nach der natürliche Ort, an dem man nach stärkeren, wirklich multipartiten Verschränkungskriterien suchen sollte.
xxx
Gibt es tatsächlich schon Literatur, in der die Kernnorm der matrikalisierungen des Blochtensors für Verschränkungszeugen verwendet werden? Ich habe schon danach gesucht, aber nichts gefunden...
xxx
Nach meinem Kenntnisstand: Nein, jedenfalls nicht in der Form, wie du sie beschreibst. Ich habe gerade noch einmal gezielt danach gesucht und dabei ist mir ein interessanter Unterschied aufgefallen.
Es gibt im Wesentlichen drei Linien der Literatur:
Bloch-Darstellung + Korrelationstensoren + Separabilitätskriterien Tensor-Matrikalisierungen + Kernnormen Realignment-/CCNR-artige Kriterien
Aber ich finde keine Arbeit, die genau diese drei Dinge miteinander kombiniert. Die Suchergebnisse sprechen eher dafür, dass diese Lücke tatsächlich existiert.
Was es gibt
Die Arbeit von Shen, Yu, Li und Fei (2016)
Improved Separability Criteria Based on Bloch Representation of Density Matrices
ist wahrscheinlich die nächste verwandte Arbeit.
Sie betrachten den Bloch-Korrelationstensor
T i 1
…i n
und definieren für jede Partition eine Matrixentfaltung ("matricization", "unfolding"). Anschließend verwenden sie aber nicht die Kernnorm, sondern die Ky-Fan-Norm (Summe der Singulärwerte bis zu einer festen Ordnung; in ihrer Anwendung letztlich die maximale Ky-Fan-Norm der Entfaltungen). Das liefert ein Separabilitätskriterium.
Das ist schon bemerkenswert nah an deiner Idee.
Der entscheidende Unterschied
Dein Ansatz scheint (wenn ich ihn richtig verstehe) ungefähr folgender zu sein:
Für jede Bipartition
A∣B
betrachtest du
C A∣B
,
also die Matrikalisierung des vollen Bloch-Tensors,
und benutzt
∥C A∣B
∥ ∗
.
Für Produktzustände gilt
CPrank=1,
und daraus folgt unmittelbar
∥C A∣B
∥ ∗
=∥x A
∥∥x B
∥,
während für separable Zustände wegen der Konvexität der Kernnorm eine obere Schranke folgt.
Das ist ein sehr sauberes Argument.
Ich kenne keine Arbeit, die dieses Argument explizit so formuliert.
Warum könnte das übersehen worden sein?
Ich vermute, historisch gibt es zwei Gründe.
Der erste ist, dass die QI-Literatur meistens aus der Matrixanalyse kommt.
Die dort "natürliche" Größe ist
Spur, Spektralnorm, Realignment, CCNR,
aber kaum jemand spricht von Tensor-Matrikalisierungen im Sinn der multilinearen Algebra.
Der zweite Grund ist fast ironisch.
In der Tensorliteratur gilt
"Die Kernnorm einer Matrikalisierung ist nur eine primitive Relaxierung."
Deshalb versucht dort jeder möglichst schnell zur "echten" Tensorkernnorm überzugehen.
In der Quanteninformation dagegen arbeitet kaum jemand mit diesen Tensornormen.
Dadurch scheint genau diese Kombination bisher nicht entstanden zu sein.
Ich würde allerdings eine Sache überprüfen
Du hast geschrieben
"wegen CP-Rang 1 der Produktzustände und Konvexität."
Der CP-Rang ist meines Erachtens gar nicht der eigentliche Motor.
Viel fundamentaler ist
C(ρ_A ⊗ρ_B)=C(ρ_A)⊗C(ρ_B).
Nach einer geeigneten Matrikalisierung erhältst du
C A∣B
=x A
x B T
,
also eine Rang-1-Matrix.
Dann folgt sofort
∥C A∣B
∥ ∗
=∥x A
∥ 2
∥x B
∥ 2
,
und anschließend
i ∑
p i
C i
∗
≤ i ∑
p i
∥C i
∥ ∗
.
Das ist praktisch das gesamte Separabilitätsargument in zwei Zeilen.
Der CP-Rang erklärt warum die Matrix Rang 1 hat, aber für den Beweis genügt eigentlich die Rang-1-Eigenschaft der Matrikalisierung.
Mein Eindruck
Ich würde den Neuheitsgrad vorsichtig so einschätzen:
Bloch-Tensor + Matrikalisierung: bekannt. Bloch-Tensor + Separabilitätskriterium: bekannt. Matrikalisierung + Singulärwerte: bekannt. Kernnorm der Matrikalisierung als unmittelbares konvexes Separabilitätskriterium aus der Produktstruktur des vollständigen Bloch-Tensors: Ich kenne dafür derzeit keine explizite Veröffentlichung.
Ich wäre allerdings vorsichtig und würde vor einer entsprechenden Behauptung noch eine systematische Literaturrecherche machen (INSPIRE-HEP, arXiv, Google Scholar mit Kombinationen wie Bloch tensor, trace norm, nuclear norm, matricization, unfolding, correlation tensor, multipartite entanglement). Mein aktueller Eindruck ist aber tatsächlich, dass du hier auf eine echte Lücke gestoßen sein könntest. Das würde auch erklären, warum unsere Diskussion so schnell zu Tensorgeometrie geführt hat – die übliche Literatur scheint an genau dieser Stelle abzubrechen.
Ich habe den ganzen Thread gelesen — inklusive der langen Passage zum Tucker-Kern, zur Orbitgeometrie und zur abschließenden Literaturfrage. Zu genau dieser letzten Frage muss ich etwas Wichtiges korrigieren: Die Einschätzung "ich kenne keine Arbeit, die das kombiniert" war zu voreilig.
Es gibt tatsächlich eine seit ~2007 laufende Literaturlinie, die genau dein Argument nutzt. Der Ursprung: de Vicente (2007) etablierte eine obere Schranke für die Spurnorm der Korrelationsmatrix für separable bipartite Zustände mittels der Bloch-Darstellung — das ist exakt dein Konvexitätsargument, nur bipartit. Als Referenz taucht dazu regelmäßig de Vicente & Huber, "Multipartite entanglement detection from correlation tensors", PRA 84, 062306 (2011) auf (nur der Titel ist mir verlässlich bekannt, den Inhalt solltest du direkt prüfen — aber vom Titel her ist das vermutlich die multipartite Erweiterung mit Tensor-Entfaltungen, nach der du suchst).
Weitere Arbeiten, die dieselbe Konstruktion (Matrikalisierung + Spur-/Kernnorm als konvexes Separabilitätskriterium) explizit ausführen:
- Hassan & Joag (2008), arXiv:0704.3942 — definiert eine Tensornorm als Maximum der KF-Normen aller Matrix-Entfaltungen, motiviert über Kruskal-Matrizierung, mit Smolin-Zustand als Beispiel
- Sanz et al., "A family of multipartite separability criteria based on correlation tensor", arXiv:2001.08258 — definiert die Ky-Fan-Norm eines Tensors explizit als Maximum über die Spurnormen aller n-Entfaltungen und leitet daraus eine Schranke ab, die dV- und CCNR-Kriterium vereinheitlicht
- Shen, Yu, Li, Fei (2016) — der bereits gefundene, aber eben doch nicht isolierte Fall
- Ein ganzer Strang mit Zhao/Zhang/Jing/Wang (2020), Bu et al. (2015), Yao et al. (2015/2016), bis zu einem sehr aktuellen Preprint von Oktober 2025 (arXiv:2510.24110), das die Konstruktion nochmal auf "mixed mode matrix unfolding" verallgemeinert
Fazit: Die Kombination Bloch-Tensor + Matrikalisierung + Spurnorm (=Kernnorm) als konvexes, aus der Produktstruktur folgendes Separabilitätskriterium ist kein blinder Fleck, sondern ein aktiv bearbeitetes Subfeld mit fast 20 Jahren Geschichte.
Was für dich vermutlich trotzdem noch offen ist:
- Die meisten dieser Arbeiten nehmen
maxüber die Entfaltungen (Ky-Fan-Stil), nicht die Summe — das ist ein anderes Kriterium mit anderen Eigenschaften. - Viele arbeiten mit dem reinen (spurlosen) Korrelationstensor, nicht mit deinem vollen Bloch-Tensor (inkl.
i_a=0) — das solltest du gezielt gegenchecken. - Der komplette zweite Teil eures Threads — Tucker-Kern modulo Restsymmetrien als GIT-Quotient, Orbitraum, LU-invariante Funktionen als nichtkonvexe Zeugen — dazu habe ich in dieser Literatur nichts gefunden. Das könnte der eigentliche neue Beitrag deiner Arbeit sein, nicht die Kernnorm-Konstruktion selbst.
Wo möchtest du weitermachen?
In unserer neuen Arbeit gehen wir von shadow maps aus. Das sind Abbildungen von einm Teil der Parteien auf den Rest, gegeben durch die Korrelationswirkung. Geometrisch ging es um das Volumen des bildellipsoids, der als Bild der einheissphäre entsteht. Mathematisch stellte sich dann heraus, dass das gerade die Kernnorm der matrikalisierungen entlang der Parteienaufteilung ist. Das scheint im Licht dieser Literaturlinie nichts besonders neues zu sein....
Zwei Dinge muss ich sauber auseinanderziehen — eine ernüchternde und eine, die die Sache wieder interessant macht.
Zur reinen Formel: ja, das Endresultat ist nicht neu. Wenn "Volumen des Bildellipsoids" am Ende operational bedeutet: Kernnorm der Matrikalisierung entlang der Bipartition, dann landest du exakt bei dem, was de Vicente (2007, bipartit), de Vicente & Huber (2011, PRA 84, 062306, multipartit), Hassan & Joag (2008) und Sanz et al. (2020, arXiv:2001.08258) längst etabliert haben. Das solltest du im Paper offen zitieren, nicht als "wir haben entdeckt", sondern als "unser Zugang reproduziert/verallgemeinert das bekannte Kriterium via einer neuen geometrischen Route".
Aber die Formulierung "Volumen des Bildellipsoids" verdient eine genauere Prüfung — hier lauert vermutlich sogar eine kleine Ungenauigkeit. Für ein Ellipsoid mit Halbachsen σ_i gilt:
- das gewöhnliche (Lebesgue-)Volumen ist proportional zum Produkt der σ_i — das ist eine andere Größe (die aus eurem Abschnitt 4 der ersten ChatGPT-Antwort, "Volumen des Parallelotops")
- die Kernnorm ist die Summe der σ_i
Diese Summe ist trivialerweise "Summe der Halbachsenlängen" (weil Singulärwerte per Definition die Halbachsenlängen sind) — aber das ist nicht dasselbe wie die mittlere Breite / das erste intrinsische Volumen V₁ im strengen konvexgeometrischen Sinn. Ich habe das eben nachgerechnet: für eine Ellipse mit Halbachsen 1 und 2 ist die Summe der Halbachsen 3.0, die tatsächliche mittlere Breite (über elliptisches Integral) aber ≈3.084 — eine Abweichung von knapp 3%. Intrinsische Volumina von Ellipsoiden sind im Allgemeinen elliptische Integrale in den σ_i, keine elementarsymmetrischen Polynome (letzteres gilt exakt nur für Quader/Parallelepipede, nicht für Ellipsoide — das habe ich in der Konvexgeometrie-Literatur bestätigt gefunden, Gusakova/Spodarev/Zaporozhets 2022).
Für euer Paper heißt das: entweder ihr definiert "Volumen" explizit als Σσ_i (dann ist das eine Definition, kein geometrisches Theorem, und "Volumen" ist eine bewusst gewählte, leicht irreführende Sprechweise), oder ihr meint tatsächlich die mittlere Breite/V₁ — dann stimmt die Identität zur Kernnorm nur approximativ, nicht exakt. Das solltet ihr vor Einreichung einmal explizit klarstellen, sonst wird euch das ein Gutachter um die Ohren hauen.
Wo dann die eigentliche Chance liegt: Die Kernnorm ist nur V₁ (bzw. e₁(σ)) der Familie. Die höheren elementarsymmetrischen Funktionen e_k(σ) — bzw. die höheren intrinsischen Volumina V_k des Bildellipsoids — sind in dieser Separabilitäts-Literatur meines Wissens nicht untersucht worden (dort wird praktisch immer nur bei k=1 oder k=r, also Kernnorm oder Produkt/Determinante, aufgehört). Diese sind zwar für k>1 vermutlich nicht mehr konvex, könnten aber — genau in eurer Tucker-Kern/Orbit-Diskussion von vorhin — als zusätzliche, nichtkonvexe LU-invariante Zeugen dienen, die feinere Information aus dem Bildellipsoid ziehen als nur seine "Größe". Das wäre eine echte Verbindung zwischen dem Shadow-Map-Bild und der später diskutierten Tucker-Kern-Geometrie.
Soll ich die Konvexitätseigenschaften von e_k(σ) für k>1 (oder allgemeiner der V_k) für euren Fall durchrechnen, oder erstmal die Literatur zu höheren Ky-Fan-artigen/elementarsymmetrischen Tensorinvarianten durchsuchen?
Ich habe erst Mal eine andere Idee. Mal sehen, ob sie wo hinführt. Statt meine Parteien in zwei Gruppen einzuteilen (was zu einer matrix führt) kann ich sie in drei Gruppen teilen. Das führt zu einem tensor der Stufe 3. Gibt es dafür (tensor Stufe 3) irgendwelche handhabbare Objekte, Kriterien, Methoden, die zu einem besseren Verständnis der verschränkungseigenschaften führen?
Stufe-3-Tensoren sind mathematisch tatsächlich ein Sonderfall — reichhaltiger als der allgemeine Fall, aber immer noch handhabbar. Ein paar Linien, die für dich relevant sein dürften:
Multilinearer Rang / HOSVD — trivial: nur noch drei Zahlen (r₁,r₂,r₃), günstig zu berechnen, wie gehabt.
CP-Rang / Tensor-Rang bei Stufe 3 — hier ist die Theorie deutlich weiter entwickelt als für allgemeines n. Kruskals Eindeutigkeitssatz gibt ein handhabbares hinreichendes Kriterium, wann eine CP-Zerlegung eindeutig ist (relevant für die Interpretation "wie viele Produktzustands-Anteile"). Generische Rang-Formeln sind für kleine Formate explizit bekannt (Strassen, Ja'Já, Lickteig). Aber Vorsicht: Håstad hat gezeigt, dass die Entscheidung "Rang ≤ r?" für Stufe-3-Tensoren NP-schwer ist — das exponentielle Problem verschwindet nicht, wird nur kleiner.
Hyperdeterminanten — für 2×2×2 ist das Cayleys Hyperdeterminante, die (das kennst du vermutlich aus deiner eigenen Vorgeschichte) im Wesentlichen der 3-Tangle ist. Gelfand-Kapranov-Zelevinsky verallgemeinern das auf beliebige Formate — aber Achtung: die Hyperdeterminante existiert (ist nicht identisch null) nur im sogenannten "boundary format" (grob: keine Dimension darf zu groß relativ zu den anderen beiden sein). Für stark unausgewogene Gruppengrößen bekommst du hier gar nichts.
t-SVD / Tensor-Tubal-Rang / Tensor-Nuclear-Norm (TNN) — das ist die einzige Stufe-3-spezifische Maschinerie (Kilmer & Martin 2011, Zhang & Aeron 2016): man transformiert entlang eines Modus per Fourier, macht SVD auf jeder Frequenzscheibe, summiert. Ergebnis ist eine echte konvexe Tensor-Kernnorm — nicht bloß Summe der Matrikalisierungs-Kernnormen, sondern eine strukturell andere Größe. Ich habe gezielt gesucht, ob das schon auf Korrelationstensoren/Verschränkung angewendet wurde — gefunden habe ich es nur in Bildgebung/Tensor-Completion-Kontexten (MRI etc.), nicht in der Verschränkungsliteratur. Das könnte also tatsächlich unbeackertes Terrain sein, im Gegensatz zur Kernnorm-der-Matrikalisierungen-Geschichte.
Matrix-Pencils / Kronecker-Normalform — das beantwortet direkt eure Frage von vorhin, ob es eine kanonische Normalform gibt: ja, aber nur in einem Spezialfall. Wenn eine deiner drei Gruppen "Dimension 2" hat (im Sinne von: der dritte Tensorindex läuft nur über 2 Werte), ist dein Tensor nichts anderes als ein Matrix-Pencil (Paar von Matrizen), und dafür gibt es seit Kronecker (1890) eine vollständige, explizite Klassifikation aller Bahnen unter GL×GL — ein echtes Analogon zur Schmidt-Zerlegung. Sobald die dritte Dimension ≥3 wird, kippt das Problem in der Darstellungstheorie von "zahm" (tame) nach "wild" (Gelfand-Ponomarev) — dann existiert generisch keine vollständige diskrete Klassifikation mehr, nur noch Modulräume. Das ist übrigens exakt die algebraische Übersetzung dessen, was in eurem GIT-Quotienten-Gespräch als "keine kanonische Normalform für n>2" auftauchte — hier bekommst du die scharfe Grenze, wo genau das umschlägt.
Direkt einschlägig zu deinem Fall: es gibt schon dezidierte Arbeiten, die tripartite Korrelationstensoren (nicht nur ihre Bipartitions-Matrikalisierungen) direkt für GME-Detektion nutzen — z.B. via Spurnorm des gesamten Tensors statt seiner Entfaltungen, oder Rang-Analyse pro Matrikalisierung im Drei-Parteien-Fall (NMR-Rekonstruktions-Paper, arXiv:2206.05755; GME-Kriterien für Qudits, arXiv:2209.04768). Für eine allgemeinere, sehr saubere mathematische Aufarbeitung von Tensor-Rang/Kernnorm/Kern-Rang im Entanglement-Kontext (injektive Norm = geometrisches Verschränkungsmaß, Kernnorm, Facetten der Einheitskugeln) lohnt sich das Paper von Buczyński/Friedland/Życzkowski, "Rank of a tensor and quantum entanglement" — das deckt vermutlich einen guten Teil deiner ursprünglichen "Gauge über Rang-1-Tensoren"-Frage aus dem ersten Teil des Threads ab.
Willst du, dass ich eine der Linien (t-SVD/TNN auf euren konkreten Bloch-Tensor angewendet, oder die Kronecker-Pencil-Klassifikation für euren speziellen 3-Gruppen-Fall) konkret durchrechne?
t-SVD TNN klingt zwar erstmal interessant, aber: wenn der tensorindex keine zeitliche oder räumliche interpretation (oder zumindest eine diskretisierung einer kontinuierlichen Größe) ist die Fourier transformation zwar möglich, hat aber keine spezielle interpretation, die über eine Basiswahl, die moglichst "diagonal" zur Ursprungsbasis ist, hinausgeht. Richtig?
Ja, genau — deine Intuition trifft es exakt, und das ist sogar in der numerischen Literatur selbst anerkannt, nicht nur dein Verdacht.
Warum die DFT dort überhaupt auftaucht: Das t-Produkt (Kilmer & Martin) definiert auf Mode 3 eine Multiplikationsstruktur, die isomorph zur Algebra der zirkulanten Matrizen ist (bzw. zum Polynomring modulo x^{n_3}-1). Zirkulante Matrizen sind aber gerade die Faltungsoperatoren der zyklischen Gruppe \mathbb Z_{n_3} — und deren simultane Diagonalbasis ist per Darstellungstheorie exakt die Charaktertafel dieser Gruppe, also die DFT. Die DFT ist hier also nicht "natürlich" im physikalischen Sinn, sondern die Eigenbasis einer Algebrastruktur, die man Mode 3 künstlich aufzwingt, weil sie zufällig zu zirkulanten Matrizen passt. Wenn dein dritter Index keine Verschiebungssymmetrie hat (kein Zeit-/Ortsgitter mit periodischen Randbedingungen), gibt es keinen Grund, warum ausgerechnet diese Algebra-/Symmetriestruktur zu deinem Problem passen sollte.
Das ist inzwischen auch in der Tensor-Literatur selbst anerkannt: Kernfeld, Kilmer & Aeron, "Tensor–tensor products with invertible linear transforms" (Lin. Alg. Appl. 485, 2015), definieren das t-Produkt explizit für einen beliebigen invertierbaren linearen Transform statt fest der DFT — genau weil die DFT nur ein Spezialfall ohne intrinsische Vorzugsstellung ist. In der Bildverarbeitung ersetzt man sie deshalb oft durch DCT, Wavelets/Framelets oder datenadaptierte unitäre Transformationen, je nachdem, welche Struktur entlang dieser Achse tatsächlich vorliegt.
Für deinen Fall heißt das: die Frage ist nicht "DFT ja oder nein", sondern welche Algebra-/Symmetriestruktur liegt auf deinem dritten Modus tatsächlich vor — und das ist ja genau die Symmetrie, die ihr im Tucker-Kern-Teil des Threads schon identifiziert habt: die lokale unitäre Wirkung, also O(d_C^2) (bzw. SO(3) pro Qubit-Partei). Der physikalisch natürliche Ersatz für "DFT über $\mathbb Z_{n_3}$" wäre dann nicht ein beliebiger Transform, sondern die Zerlegung in Irreps dieser tatsächlich wirkenden Gruppe — also im Grunde die Peter-Weyl-Zerlegung statt der Charaktertafel einer zyklischen Gruppe. Das würde t-SVD als Spezialfall enthalten (für den Fall, dass die relevante Symmetriegruppe zufällig zyklisch ist), aber für euren Fall eher auf die isotropen-Tensor-/Integrity-Basis-Sprache zurückführen, die schon am Ende des ersten Threads für den Qubit-Fall (SO(3)^n) auftauchte, statt auf t-SVD im engeren Sinn.
Kurz: t-SVD/TNN ist für euer Problem vermutlich der falsche Baustein — nicht falsch im Sinne von "geht nicht", sondern weil die Struktur, die er ausnutzt, an eurer Physik vorbeigeht. Der eigentlich passende Baustein bleibt die Darstellungstheorie der lokalen Unitary-Gruppe, die ihr ohnehin schon im Blick hattet.
Ich bin jetzt kein Experte der Darstellungstheorie und kenne da nur die basics (Li Gruppen etc). Ist aber ewig her. Angenommen, man kann diese natürlichen Transformationen für ein Mehrparteiein-Subset wirklich berechnen, was bekommt man dann? Ein Parkhaus von Matrizen, in dem die Stockwerke einen generischen index haben, der sich aus Darstellungen der SU(dim) ergibt. Wie geht es dann weiter?
Bevor wir zum "Parkhaus" kommen, lohnt sich ein kleines, konkretes Beispiel — das macht die abstrakte Aussage greifbar.
Konkretes Beispiel: Gruppe C = zwei Qubits (Parteien 3 und 4)
Der Operatorraum von C wird von \{\sigma_i\otimes\sigma_j\}, i,j=0,1,2,3 aufgespannt (16-dimensional, \sigma_0=\id). Die lokale Symmetrie, die physikalisch tatsächlich erlaubt ist — unabhängige Unitaries auf Partei 3 und auf Partei 4 — ist SU(2)\times SU(2), nicht das volle SU(4) auf dem gemeinsamen 4-dimensionalen Hilbertraum von C. Unter dieser Gruppe zerfällt der Raum als
(\mathbf 1\oplus\mathbf 3)\otimes(\mathbf 1\oplus\mathbf 3) = \mathbf 1\!\otimes\!\mathbf 1 \;\oplus\; \mathbf 1\!\otimes\!\mathbf 3 \;\oplus\; \mathbf 3\!\otimes\!\mathbf 1 \;\oplus\; \mathbf 3\!\otimes\!\mathbf 3.Das sind genau: Identität (1), lokaler Bloch-Vektor von Partei 4 allein (3), lokaler Bloch-Vektor von Partei 3 allein (3), und der Zwei-Körper-Korrelationsblock zwischen 3 und 4 (9). Das ist exakt eure eigene Korrelationssektor-Zerlegung — die direkte Summe über Korrelationssektoren, die ihr als Kernidee des Papers ohnehin schon verwendet. Die Stockwerke des "Parkhauses" sind hier also nicht exotisch — sie sind genau die $k$-Körper-Sektoren, die ihr längst kennt.
Der allgemeine Grund, warum das so herauskommt: Für eine einzelne Partei ist die adjungierte Darstellung von SU(d) (auf dem Bloch-Raum) bereits irreduzibel. Für ein Produkt von Gruppen ist die Darstellungstheorie ein reines Tensorprodukt der Faktoren — es gibt nichts, was die Indizes verschiedener Parteien "mischen" könnte. Deshalb reproduziert die Zerlegung unter der lokalen (Produkt-)Gruppe immer nur die feine Multi-Index-Struktur, die ihr schon vor der Gruppierung hattet. Gruppieren + wieder-zerlegen unter der lokalen Symmetrie ist im Wesentlichen die Identität.
Die andere Extremseite: Würdet ihr stattdessen die volle Gruppe SU(4) auf dem gemeinsamen System C nehmen (also auch verschränkende Unitaries innerhalb von C erlauben), wäre der 15-dimensionale spurlose Teil bereits eine einzige irreduzible (adjungierte) Darstellung — Schur's Lemma sagt dann: es gibt gar nichts mehr zu zerlegen. Genau das erklärt übrigens ganz nebenbei, warum die Frobenius-Norm jeder Entfaltung invariant ist (sie ist im Wesentlichen die quadratische Casimir-Form auf einer irreduziblen Darstellung, und die ist bis auf Skalierung eindeutig).
Wo also echte neue "Stockwerke" herkommen können: nur, wenn eine zusätzliche Symmetrie ins Spiel kommt, die zwischen diesen beiden Extremen liegt — typischerweise Permutationssymmetrie zwischen ununterscheidbaren Parteien in C. Dann greift Schur-Weyl-Dualität bzw. Clebsch-Gordan-Kopplung: der $\mathbf3\otimes\mathbf3$-Block von oben zerfällt unter der diagonalen SU(2) (die beide Qubits gleich behandelt) weiter in Spin 0\oplus1\oplus2 (Dimensionen 1+3+5=9) — echte neue, physikalisch interpretierbare Stockwerke, gelabelt durch Young-Diagramme/Gesamtdrehimpuls.
Der praktische Haken, den du kennen solltest, bevor du hier Zeit investierst: Das klassische Physik-Werkzeug dafür heißt Wigner-Eckart-Theorem. Es sagt: sobald eine Abbildung (euer Shadow-Map) mit einer Symmetrie vertauscht (äquivariant ist), zerfällt sie blockdiagonal, und jeder Block ist bis auf einen einzigen "reduzierten Matrixelement"-Skalar festgelegt — riesige Dimensionsreduktion, viele degenerierte Singulärwerte. Aber das funktioniert nur, wenn euer konkreter Zustand \rho (oder die Klasse von Zuständen, die ihr untersucht) diese zusätzliche Symmetrie tatsächlich respektiert. Für einen generischen Zustand ohne Permutationssymmetrie bringt dir die Darstellungstheorie hier nichts Neues gegenüber eurer bestehenden Korrelationssektor-Zerlegung — sie bestätigt sie nur nochmal von einer anderen Seite. Der echte Gewinn liegt in Spezialfällen mit Symmetrie: Smolin-Zustand, Dicke-Zustände, Werner-artige Zustände, symmetrischer Unterraum — also genau die Familie, mit der ihr über Hassan & Joag ohnehin schon in Berührung wart.
Soll ich das am Smolin-Zustand (der genau diese Austauschsymmetrie hat) konkret durchrechnen, um zu sehen, ob die Blockstruktur eurer numerischen Kernnorm-Berechnung tatsächlich etwas abnimmt?
Ja! Ich denke, dass eine systematische Kriteriumstheorie für zustände mit Symmetrie extrem nützlich ist. Natürlich besteht dabei die Gefahr, dass man nur sehr singuläre Effekte sieht, weil ja nicht eine gesamte Umgebung eines Zustands die Symmetrie aufweist. Aber manchmal kann man Symmetrie auch mit einem Twirl nachträglich bekommen, so dass man doch wieder die gesamte Umgebung sieht.
Dein Einwand trifft genau den Kern — und die gute Nachricht ist: das Twirl-Argument, das du intuitiv ansprichst, ist mathematisch exakt und funktioniert, aber nur in eine Richtung. Lohnt sich, das präzise zu machen, bevor wir zu den Zahlen kommen.
Das Twirl-Argument präzise: Wenn G eine Gruppe lokaler Unitaries ist (Produktstruktur über die Parteien!) und \rho separabel ist, dann ist auch der Twirl T_G(\rho)=\int_G (g_1\otimes\cdots\otimes g_n)\,\rho\,(g_1\otimes\cdots\otimes g_n)^\dagger\,dg separabel — lokale Unitaries bilden Produktzustände auf Produktzustände ab, und Mischen erhält Separabilität (Konvexität). Kontraposition: ist T_G(\rho) verschränkt, dann war \rho es auch. Das rettet dich also tatsächlich für die "verschränkt"-Richtung über die ganze (nicht-symmetrische) Umgebung — genau dein Punkt. Die Kehrseite (dein "Gefahr"-Einwand) ist aber ebenso real: erkennt das Kriterium am getwirlten Zustand nichts, sagt das über das ungetwirlte \rho gar nichts — Twirlen kann Verschränkung nur verringern oder gleich lassen, nie erzeugen. Es ist also ein einseitiger, aber sauberer Test. Der Standardreferenzrahmen dafür ist Vollbrecht & Werner, "Entanglement measures under symmetry", PRA 64, 062307 (2001) — falls du das noch nicht kennst, lohnt sich ein Blick, das ist genau euer Szenario systematisch aufgearbeitet.
Jetzt zum Smolin-Zustand — und hier gibt's eine Überraschung, die dein mentales Modell von letzter Runde korrigiert.
Ich habe ihn konkret aufgebaut (\rho=\frac14\sum_i|\text{Bell}_i\rangle\langle\text{Bell}_i|_{AB}\otimes|\text{Bell}_i\rangle\langle\text{Bell}_i|_{CD}) und alle Matrikalisierungen durchgerechnet. Ergebnis:
| Bipartition | Singulärwerte (ungleich Null) | Kernnorm |
|---|---|---|
| 1|3 | 0.25, 0.25, 0.25, 0.25 | 1.0 |
| (12)|(34) | 0.25, 0.25, 0.25, 0.25 | 1.0 |
| (13)|(24) | 0.25, 0.25, 0.25, 0.25 | 1.0 |
| (14)|(23) | 0.25, 0.25, 0.25, 0.25 | 1.0 |
Bei jedem einzelnen Cut: exakt Rang 4 (statt möglicher 16), vier identische Singulärwerte, Kernnorm exakt 1. Kein Rauschen, keine numerische Ungenauigkeit — exakt. Der Grund: der Zustand hat genau vier nichtverschwindende Pauli-String-Koeffizienten, nämlich I{\otimes}I{\otimes}I{\otimes}I, X{\otimes}X{\otimes}X{\otimes}X, Y{\otimes}Y{\otimes}Y{\otimes}Y, Z{\otimes}Z{\otimes}Z{\otimes}Z, jeweils mit Gewicht 1/16 — alle 252 anderen Pauli-Strings sind exakt Null. Das ist eine massivere Symmetriereduktion, als ich letzte Runde erwartet hätte.
Der Haken — und das ist die eigentliche Lektion: Ich habe geprüft, ob das an der vollen lokalen $SU(2)^{\otimes 4}$-Darstellungstheorie liegt (kollektives Twirlen mit demselben U auf allen vier Qubits) — nein, der Zustand ist nicht invariant unter kollektivem U^{\otimes4}. Die tatsächlich wirksame Symmetrie ist rein diskret: volle Permutationssymmetrie S_4 der vier Qubits (numerisch bestätigt, invariant unter allen 24 Vertauschungen) kombiniert mit der Stabilizer-Struktur der Bell-Zustände. Das "Parkhaus" aus SU(d)-Darstellungen, das ich letzte Runde ins Spiel gebracht habe, ist also nicht die richtige Symmetriegruppe für dieses Beispiel — hier reicht eine viel kleinere diskrete Gruppe, um die komplette Entartung zu erzwingen.
Praktische Konsequenz: Der Smolin-Zustand ist als Testfall zu symmetrisch — jeder Cut liefert dieselbe Zahl, es gibt nichts, woran man "Reduktion durch Symmetrie vs. voller numerischer Aufwand" ablesen könnte. Gut als Korrektheits-Check eures Codes, aber nicht aussagekräftig für die eigentliche Frage. Zwei sinnvolle nächste Schritte:
- Prüfen, ob Kernnorm=1 überhaupt die Separabilitätsschranke verletzt (also ob dieses Kriterium den Smolin-Zustand als verschränkt erkennt oder nicht — das ist ja der eigentliche Punkt, nicht nur die Symmetrie),
- oder ein nur teilweise symmetrischer Zustand (z.B. 3 identische Parteien + 1 andere, oder eine Dicke-Zustand-Familie), wo die Darstellungstheorie eine echte, nicht-triviale Reduktion vorhersagt statt kompletten Kollaps.
Was ist dir wichtiger?
2
Die Vorhersage ist bis auf Maschinengenauigkeit (10^{-16}) bestätigt: alle vier nichttrivialen rechten Singulärvektoren liegen exakt im 20-dimensionalen total-symmetrischen Unterraum von $B$'s 64-dimensionalem Operatorraum — und die Singulärwerte selbst sind nicht entartet (0.26, 0.082, 0.067, 0.053). Das ist genau der Unterschied zum Smolin-Fall, den du sehen wolltest: echte, beweisbare Dimensionsreduktion ohne künstlichen Vollkollaps.
Der saubere Satz dahinter: A (Partei 1) trägt unter der S_3, die nur auf B wirkt, die triviale Darstellung (mit Multiplizität 4, da \dim A=4). Eine $S_3$-äquivariante lineare Abbildung von einer trivialen Darstellung in eine beliebige Darstellung kann nach Schur nur in die trivial-isotypische Komponente des Ziels abbilden — alles andere ist zwangsläufig null. Das ist keine Beobachtung, sondern ein Theorem; die Numerik bestätigt nur, dass ich es richtig auf euren Fall übersetzt habe.
Wichtig zur Einordnung: Diese Symmetrie liefert eine Auswahlregel (welche Richtungen überhaupt beitragen dürfen), aber keine Aussage über die konkreten Werte innerhalb des erlaubten Unterraums — dafür bräuchtest du zusätzliche Symmetrie, die auch A mit einbezieht (wie beim Smolin-Zustand, wo beide Seiten unter derselben großen Gruppe transformieren und deshalb echte Entartung erzwungen wird, nicht nur Träger-Einschränkung).
Der praktische Hebel, der für euch skaliert: Der Grund, warum das mehr ist als eine Fingerübung: \dim\mathrm{Sym}^k(V) wächst nur polynomiell in k, während \dim V^{\otimes k} exponentiell wächst. Für \dim V=4 (Bloch-Raum eines Qubits):Das ist der eigentliche Gewinn für euer Programm: bei 20 austauschbaren Parteien wäre der volle Bloch-Operatorraum $4^{20}\approx 1.1\times10^{12}$-dimensional, aber der symmetrische Sektor nur $1771$-dimensional — ein Faktor 6\times10^8. Für jede Gruppe von Parteien, die untereinander austauschbar (oder per Twirl austauschbar gemacht) ist, schrumpft das relevante Rechenproblem von exponentiell auf polynomiell, bevor überhaupt eine SVD läuft — man muss nur den symmetrischen Unterraum einmalig kombinatorisch aufstellen (Standard-Young-Tableaux/Multisets, kein Eigenwertproblem nötig).
Kurze Ergänzung zur Interpretation: Der 20-dimensionale symmetrische Unterraum von B zerfällt selbst noch feiner nach eurer eigenen $k$-Körper-Sektor-Gradierung (wie viele der drei $B$-Beine nichttrivial/Pauli sind): 1 (rein Identität) +\,3 (symmetrisierter Ein-Körper-Bloch-Vektor) +\,6 (symmetrisierte Zwei-Körper-Korrelation) +\,10 (symmetrisierte Drei-Körper-Korrelation) =20. Das erzwingt zwar für sich genommen kein zusätzliches Verschwinden (anders als die $S_3$-Symmetrie), gibt euch aber eine direkte physikalische Lesart, welcher Teil des reduzierten Raums mit welcher Korrelationsordnung korrespondiert — passt exakt zur Kernidee eures Papers.
Zwei sinnvolle Fortsetzungen von hier:
- Diese Reduktion direkt in eure numerische Kernnorm-Pipeline einbauen (Projektion auf den symmetrischen Unterraum vor der SVD) — praktisch nützlich, sobald ihr mit mehr als ~5-6 Parteien pro Gruppe rechnet.
- Zurück zur Entanglement-Frage: prüfen, ob die Kernnorm 0.4621 aus dem generischen Beispiel oben überhaupt eine Separabilitätsschranke verletzt (bei einem echten, nicht zufälligen Zustand mit dieser Symmetrie).
Woran soll ich weiterarbeiten?
Geht das in die richtige Richtung?
\section{Symmetry-adapted block decomposition of the shadow map} \label{sec:symmetry-blocks}
The constructions of Sections~\ref{sec:response-maps}--\ref{sec:multiparty-sources} treat the sector grading V\subseteq S, T\subseteq S^c as the only available organizing structure on either side of a cut. When \rho carries an additional symmetry --- exactly, or after an appropriate twirl --- this grading can be refined further, along representation-theoretic rather than combinatorial lines. The refinement is worth having for four distinct reasons, which we state before developing the formal statements, since they motivate different parts of what follows and are not equally strong.
\begin{itemize}
\item \emph{Explanatory power.} Several numerical facts already reported in this note --- the triple degeneracy of the singular values of \mathcal M_a for \GHZ_3 (Section~\ref{sec:qubit-numerics}), the triple degeneracy at the Smolin state under both the 1\mid3 and 2\mid2 cuts (Section~\ref{sec:multiparty-sources}), and the rigid common value across all 38 four-qubit graph states --- have so far been recorded as numerical observations. Proposition~\ref{prop:block-diagonal} below shows that such degeneracies are not coincidental: whenever the source side of a cut is symmetry-irreducible (offers only one isotypic component under the relevant group), the corresponding degeneracy is forced. This converts a family of separately verified numerical facts into one structural statement.
\item \emph{Diagnostic resolution.} The sub-block witnesses of Corollary~\ref{cor:sub-block} resolve a violation only down to the level of \emph{which parties} are involved (V,T). The isotypic decomposition resolves it further, down to \emph{which symmetry channel} within a fixed (V,T) sector is responsible --- for instance, whether a two-party source correlation block is carrying its signal in a totally symmetric or in an antisymmetric combination of its constituents. This is invisible to the party-indexed grading alone.
\item \emph{Computational cost.} For a source or target cluster respecting a symmetry group G, the isotypic decomposition replaces one singular value decomposition on the full sector space by several independent, much smaller singular value decompositions on the multiplicity spaces M_\lambda, whose dimensions grow far more slowly than the ambient sector dimension as the cluster size increases. This is the natural computationally tractable foothold for the symmetric sub-family of the higher-order tensor construction discussed in the closing remark of Section~\ref{sec:tensor-viewpoint}.
\item \emph{A one-sided extension via twirling.} If \rho itself lacks the symmetry but a twirl T_G(\rho) is cheap to evaluate, entanglement detected on T_G(\rho) certifies entanglement of \rho (twirling by local unitaries preserves separability), so the block-diagonal criterion below can serve as an inexpensive pre-test, with the standard one-sided caveat that a negative result on T_G(\rho) is uninformative about \rho.
\end{itemize}
What this refinement does \emph{not} deliver is a numerically sharper detection threshold: Remark~\ref{rem:no-universal-sharpening} below shows that no universal, state-independent improvement over Theorems~\ref{thm:cut-bound} and \ref{thm:cluster-cut} exists at the level of an individual block, except in the single-isotype case where the improvement is one of concentration rather than of threshold value.
\subsection*{Setup}
Let G be a compact group acting on the system by local unitaries, g\mapsto \bigotimes_{a\in P}U_g^{(a)}, and suppose \rho is $G$-invariant: (\bigotimes_a U_g^{(a)})\,\rho\,(\bigotimes_a U_g^{(a)})^\dagger=\rho for all g\in G. Fix a cut S\mid S^c preserved by G as a set partition, so that G acts on \V_0^{(S)} and on \V_0^{(S^c)} separately, via the adjoint representations \mathrm{Ad}^{(S)}_g, \mathrm{Ad}^{(S^c)}_g. Decompose both traceless spaces into isotypic components,
\begin{equation}
\V_0^{(S)}=\bigoplus_\lambda M_\lambda^{(S)}\otimes V_\lambda,
\qquad
\V_0^{(S^c)}=\bigoplus_\lambda M_\lambda^{(S^c)}\otimes V_\lambda,
\label{eq:isotypic-decomp}
\end{equation}
where \lambda ranges over the irreducible representations of G appearing on either side, V_\lambda denotes a fixed model of the irreducible representation of dimension d_\lambda, and M_\lambda^{(S)}, M_\lambda^{(S^c)} are the corresponding multiplicity spaces. This is exactly the same type of decomposition already used for the source and target sector gradings in Sections~\ref{sec:response-maps}--\ref{sec:multiparty-sources}, now taken with respect to a representation-theoretic rather than a combinatorial grading; the two coincide only in the abelian, source-cluster-trivial special case worked out numerically at the start of this section.
\begin{proposition}[Exact block-diagonality]
\label{prop:block-diagonal}
Under the hypotheses above, \widetilde{\mathcal M}_S(\rho) is block diagonal with respect to the isotypic decomposition~\eqref{eq:isotypic-decomp}: writing \Pi_\lambda^{(S^c)}, \Pi_\mu^{(S)} for the isotypic projections,
\begin{equation*}
\Pi_\lambda^{(S^c)},\widetilde{\mathcal M}S(\rho),\Pi\mu^{(S)}=0
\qquad\text{whenever }\lambda\neq\mu,
\end{equation*}
exactly, not merely approximately or in a bound. Moreover, on the surviving diagonal blocks,
\begin{equation}
\widetilde{\mathcal M}S(\rho)\big|\lambda = A_\lambda\otimes\mathrm{id}{V\lambda}
\label{eq:wigner-eckart}
\end{equation}
for a unique linear map A_\lambda:M_\lambda^{(S)}\to M_\lambda^{(S^c)}, the reduced shadow map at \lambda.
\end{proposition}
\begin{proof}
$G$-invariance of \rho gives \mathrm{Ad}^{(S^c)}_g\,\widetilde{\mathcal M}_S(\rho)=\widetilde{\mathcal M}_S(\rho)\,\mathrm{Ad}^{(S)}_g for all g, i.e.\ \widetilde{\mathcal M}_S(\rho) is a $G$-equivariant map between the two representations~\eqref{eq:isotypic-decomp}. Both claims are then Schur's lemma applied to the isotypic decomposition: equivariant maps vanish between inequivalent irreducible summands, and act as a fixed scalar multiple of the identity on the irreducible factor V_\lambda within a matching pair, leaving exactly the freedom recorded in A_\lambda on the multiplicity spaces.
\end{proof}
\subsection*{Exact formula and its consequence}
\begin{proposition}[Reduced matrix element formula]
\label{prop:reduced-formula}
Let \rho=T_G(\rho_S\otimes\sigma_{S^c}) be the $G$-twirl of a product state across S\mid S^c, so \rho is separable (a mixture, over g\in G, of product states) and $G$-invariant. Let r^{(S)}\in\V_0^{(S)}, v_{S^c}\in\V_0^{(S^c)} be the traceless Bloch vectors of \rho_S, \sigma_{S^c}, with isotypic components r_\lambda, v_\lambda. Then
\begin{equation}
A_\lambda=\frac{1}{d_\lambda},\tilde v_\lambda,\tilde r_\lambda^{,T},
\label{eq:reduced-element}
\end{equation}
where \tilde r_\lambda, \tilde v_\lambda are r_\lambda, v_\lambda reshaped as (\dim M_\lambda^{(S)})\times d_\lambda and (\dim M_\lambda^{(S^c)})\times d_\lambda matrices in a basis of V_\lambda shared by both sides. Consequently,
\begin{equation}
\dim(V_\lambda),\norm{A_\lambda}*;\le;\norm{r\lambda},\norm{v_\lambda}.
\label{eq:per-block-bound}
\end{equation}
\end{proposition}
\begin{proof}
For fixed g, the product term (\mathrm{Ad}^{(S)}_g r^{(S)})(\mathrm{Ad}^{(S^c)}_g v_{S^c})^T (unnormalized) is rank one, exactly as in the proof of Theorem~\ref{thm:cluster-cut}. Averaging over g and expanding both factors in the isotypic bases gives, by the Schur orthogonality relation \int_G D^\lambda(g)_{cb}D^\lambda(g)_{da}\,dg=\tfrac1{d_\lambda}\delta_{cd}\delta_{ab} for the (real, orthogonal) irreducible matrix elements D^\lambda, exactly Eq.\eqref{eq:reduced-element} on each isotypic block, with all cross-\eqref{eq:per-block-bound} then follows from the standard nuclear-norm bound \lambda contributions vanishing by the same orthogonality relation applied to inequivalent irreducibles. Equation\norm{AB}_*\le\norm{A}_\fro\norm{B}_\fro applied to Eq.~\eqref{eq:reduced-element}, using \norm{\tilde r_\lambda}_\fro=\norm{r_\lambda}, \norm{\tilde v_\lambda}_\fro=\norm{v_\lambda}.
\end{proof}
\begin{corollary}[Consistency with the cut-separable bound]
\label{cor:consistency}
Under the hypotheses of Proposition~\ref{prop:reduced-formula},
\begin{equation}
\sum_\lambda \dim(V_\lambda),\norm{A_\lambda}*
;\le;
\norm{r^{(S)}},\norm{v{S^c}}
;\le;
\sqrt{(d_S-1)(d_{S^c}-1)},
\label{eq:cs-recovery}
\end{equation}
the first inequality by Cauchy--Schwarz over \lambda applied to Eq.\eqref{eq:per-block-bound}, and the second by the correlation-sum identity used in Theorem\ref{thm:cluster-cut}. By linearity and convexity of the nuclear norm, Eq.\eqref{eq:cs-recovery} extends to arbitrary $G$-invariant separable states (finite or continuous mixtures of twirled product terms), recovering the bound of Theorem\ref{thm:cluster-cut} through the block decomposition rather than around it.
\end{corollary}
\begin{remark}[No universal per-block sharpening, except by concentration]
\label{rem:no-universal-sharpening}
The first inequality in Eq.\eqref{eq:cs-recovery} is generically strict: equality in Cauchy--Schwarz requires \eqref{eq:cs-recovery} --- a strict, and generic, gap. Since Eq.~\eqref{eq:per-block-bound} bounds \norm{r_\lambda}\propto\norm{v_\lambda} across all \lambda, which independently chosen \rho_S,\sigma_{S^c} have no reason to satisfy. A direct numerical check on a twirled random product state gives \norm{\mathcal M_S(\rho)}_*=0.429 against the bound \norm{r^{(S)}}\norm{v_{S^c}}=0.750 from Eq.\norm{r_\lambda} only by the global \norm{r^{(S)}}^2\le d_S-1, with no constraint on how the purity budget distributes across \lambda for a generic \rho_S, no universal constant improving on \sqrt{(d_S-1)(d_{S^c}-1)} holds for an individual block \lambda in general.
The exception is exactly the case relevant to Sections~\ref{sec:response-maps}--\ref{sec:multiparty-sources}: if \V_0^{(S)} itself carries only a single isotypic component under G --- as happens automatically for a singleton qubit source, whose traceless Bloch space is irreducible under collective SU(2) --- then r_\lambda=r^{(S)} trivially, the full purity budget sits in the one available block, and Eq.\eqref{eq:per-block-bound} becomes
\begin{equation*}
\dim(V_\lambda),\norm{A_\lambda}*;\le;\sqrt{(d_S-1)(d{S^c}-1)},
\end{equation*}
numerically identical to Theorem\ref{thm:cut-bound}, but now a statement about a matrix of size \dim M_\lambda^{(S^c)}\times1 rather than the full target space. This is precisely the mechanism forcing the triple degeneracies recorded for \GHZ_3 and the Smolin state: a single-isotype source leaves the reduced map A_\lambda no room to be anything but a vector, so \widetilde{\mathcal M}_S(\rho) can only ever have \dim(V_\lambda) equal singular values, regardless of which particular symmetric state is chosen.
\end{remark}
\begin{remark}[Structural gradings beyond the chosen group]
A numerical check on a state built from a real (in the computational basis) combination of permutation operators shows a further, unforced splitting inside a single $SU(2)$-isotypic block: sub-blocks distinguished by the parity of the number of $Y$-generators in the underlying Pauli string decouple exactly, because \sigma_y^T=-\sigma_y forces \tr(\rho\bigotimes_a\sigma_{i_a})=0 whenever \rho is real and the string contains an odd number of $y$-indices. This \mathbb Z_2 grading commutes with every construction in this note, costs nothing to check, and refines the block structure further whenever \rho happens to be real in the chosen basis --- which holds for every graph state, \GHZ_n, W_n, Dicke state, and the Smolin state used elsewhere in this note.
\end{remark}
Insgesamt: ja, das geht in die richtige Richtung — die Grundstruktur (Schur's Lemma auf die Isotypie-Zerlegung, reduzierte Matrixelement-Formel via Schur-Orthogonalität, Cauchy-Schwarz-Konsistenz mit der alten Schranke, und vor allem die Ehrlichkeit in Remark~\ref{rem:no-universal-sharpening}, dass die Verfeinerung erklärt, aber generisch nicht schärft) ist sauber und entspricht genau dem, was wir hier erarbeitet haben. Das ist gute, vorsichtige Wissenschaft.
Aber eine Sache in genau diesem letzten Remark widerspricht etwas, das wir in diesem Gespräch bereits explizit numerisch geprüft haben — das sollte ich ansprechen, bevor es sich in den Text einnistet.
Das Problem: Ihr schreibt, die Dreifach- bzw. Vierfach-Entartung bei \GHZ_3 und dem Smolin-Zustand komme "precisely" daher, dass eine Einzelqubit-Quelle unter kollektivem SU(2) automatisch irreduzibel ist. Wir haben aber vorhin am Smolin-Zustand explizit getestet: \rho_{\text{Smolin}} ist nicht invariant unter U^{\otimes4} für zufälliges U\in SU(2) (Norm der Abweichung war \mathcal O(0.4), nicht 10^{-16} wie bei einer echten Symmetrie). Die tatsächlich wirksame Symmetrie, die wir gefunden haben, war die diskrete volle Permutationsgruppe S_4 der vier Qubits. Das ist ein anderer Mechanismus als der im Remark behauptete.
Bevor ich das als Fehler einstufe, lohnt sich aber ein zweiter Blick — die Bell-Zustands-Konstruktion von Smolin hat oft eine $U\otimes\bar U$-artige (statt U\otimes U) Invarianz. Das habe ich eben gezielt gegengeprüft:Grundstruktur: ja, absolut richtige Richtung — Proposition 1 (Blockdiagonalität via Schur), die reduzierte-Matrixelement-Formel, das Corollary (Konsistenz mit der alten Schranke via Cauchy-Schwarz) und besonders Remark~\ref{rem:no-universal-sharpening} (ehrliche Aussage: die Zerlegung erklärt, schärft aber generisch nicht) sind sauber aufgebaut und formulieren exakt das, was wir hier erarbeitet haben. Auch der letzte Remark zur $y$-Paritäts-Graduierung ist korrekt — das habe ich kurz nachgerechnet: für reelles \rho gilt \mathrm{Tr}[\rho M]=\mathrm{Tr}[M^T\rho]=(-1)^{\#Y}\mathrm{Tr}[\rho M] (da Y^T=-Y, aber I^T,X^T,Z^T symmetrisch sind), also erzwingt ungerade $Y$-Anzahl exakt Null. Stimmt.
Aber: der SU(2)-Mechanismus in Remark~\ref{rem:no-universal-sharpening} widerspricht dem, was wir hier bereits numerisch geprüft haben — das würde ich vor Einreichung nicht so stehen lassen.
Ich habe gerade gezielt nachgeprüft, ob es irgendeine naheliegende kollektive $SU(2)$-artige Invarianz gibt, die den Smolin- bzw. GHZ$_3$-Zustand stabilisiert — auch getwistete Varianten ($U\otimes\bar U$-artig, wie sie bei Bell-Zuständen naheliegen):
- Smolin unter
U^{\otimes4}: Abweichung0.46— nicht invariant - Smolin unter vier getesteten $U\otimes\bar U$-Twists: Abweichungen $0.40$–
0.46— keiner invariant - GHZ$_3$ unter
U^{\otimes3}und zwei Twist-Varianten: Abweichungen $1.3$–1.4— nicht invariant - GHZ$_3$ sogar unter reiner kollektiver $Z$-Rotation: Abweichung
0.745für generisches\theta(nur exakt bei\theta\in\{0,2\pi/3,4\pi/3\}, also einer diskreten\mathbb Z_3, nicht der vollenU(1)) - Beide Zustände dagegen: exakt invariant unter der vollen diskreten Permutationsgruppe (
S_4bzw.S_3), bis auf Maschinengenauigkeit.
Zur Einordnung von "triple degeneracy" bei GHZ$_3$ habe ich auch nachgerechnet, welche Konvention genau drei (nicht vier) gleiche Singulärwerte liefert: es ist die Matrikalisierung mit spurlosem Quellindex bei a (3-dim) gegen den vollen Bloch-Raum des Rests (16-dim) — das gibt exakt (0.5,0.5,0.5). (Die Version mit vollem Bloch-Raum auf beiden Seiten gibt vier gleiche Werte 0.5; die vollständig spurlose $3\times9$-Version gibt nur zwei gleiche Werte plus eine Null.) Das solltet ihr im Text präzisieren, welche Konvention "$\mathcal M_a$" tatsächlich meint.
Kurz: Das Phänomen (exakte Entartung) ist real und reproduzierbar — aber die im Remark angegebene Erklärung (kollektives SU(2), Einzelqubit-Quelle automatisch irreduzibel) hält der Nachprüfung nicht stand, jedenfalls nicht in der naheliegenden Form. Die tatsächlich verifizierte Symmetrie ist rein diskret (Permutationsgruppe), aber reine Permutationssymmetrie auf einer fixierten Einzelpartei liefert nur die triviale (1-dimensionale) Isotypie auf der Quellseite — das erzwingt Rangreduktion, aber nach eurer eigenen Logik in Proposition~1 keine echte Entartung (dafür bräuchtet ihr d_\lambda>1). Die exakte Gleichheit der Singulärwerte braucht also noch eine andere, bisher nicht identifizierte Erklärung — mein Verdacht wäre die Stabilisatorgruppe des Zustands (GHZ und Smolin sind beides Stabilizer-artige Zustände; deren Stabilisatorgruppe ist eine nichtabelsche Erweiterung, die zusammen mit der Permutationsgruppe eventuell die passende höherdimensionale Darstellung liefert), aber das müsste ich erst noch verifizieren, bevor ich es als Tatsache hinschreiben würde.
Soll ich das systematisch angehen (Stabilisatorgruppe von GHZ$_3$/Smolin explizit bestimmen und deren Darstellungstheorie auf Konsistenz mit der beobachteten Entartung prüfen), oder zieht ihr den Remark erstmal zurück und lasst das Phänomen unerklärt/als offene Beobachtung stehen?
Versuche das zu bestimmen und die Entartung zu erklären!
Gefunden — und es ist einfacher (und robuster) als kollektives SU(2): der Mechanismus ist rein kombinatorisch, über die Stabilisatorstruktur, nicht über eine Lie-Gruppen-Darstellung.
Die Beobachtung, die alles erklärt: Sowohl \GHZ_3 als auch der Smolin-Zustand sind Pauli-diagonal — ihre einzigen nichtverschwindenden Pauli-String-Erwartungswerte liegen auf einer abelschen Untergruppe H der Pauli-Gruppe, alle mit dem gleichen Betrag. Bei \GHZ_3 ist H die Stabilisatorgruppe (erzeugt von XXX,ZZI,ZIZ, Ordnung 8, jeder Eintrag exakt \pm1); bei Smolin ist H=\{IIII,XXXX,YYYY,ZZZZ\} (Ordnung 4, jeder Eintrag exakt 1/16). Das ist eine viel elementarere Struktur als Lie-Gruppen-Darstellungstheorie — reine $\mathbb F_2$-lineare Algebra (symplektischer Stabilisator-Formalismus).
Das Zählargument: Sei \varphi: H \to \mathrm{Pauli}(\text{Quelle}) die Restriktion eines Gruppenelements auf die Quellpartei(en). Das ist ein Gruppenhomomorphismus. Für jedes \sigma im Bild von \varphi hat die Faser \varphi^{-1}(\sigma) exakt |\ker\varphi| Elemente — Standard-Gruppentheorie, kein Zufall. Diese Faser bestimmt exakt, welche Zieleinträge in der Matrikalisierungszeile zu \sigma ungleich Null sind. Daraus folgt sofort:
- Gleiche Zeilennormen: jede nichttriviale Zeile hat exakt
|\ker\varphi|Einträge, alle vom gleichen Betrag\Rightarrowgleiche euklidische Norm für jede Zeile. - Orthogonale Zeilen: verschiedene
\sigma\neq\sigma'haben disjunkte Bildmengen inH(daHeine Gruppe ist und die Ziel-Restriktion hier injektiv ist — kein nichttriviales Element vonHist auf dem Ziel trivial, das habe ich geprüft), also disjunkten Träger in der Zielspalte.
Gleiche Norm + orthogonaler Träger \Rightarrow die SVD ist trivial: die Zeilen selbst sind (bis auf Normierung) bereits die Singulärvektoren, alle Singulärwerte exakt gleich.
Verifikation an euren beiden Fällen:
\GHZ_3, Quelle = Partei 1:|H|=8,\varphisurjektiv auf\{I,X,Y,Z\},|\ker\varphi|=2\Rightarrowje 2 Einträge pro Zeile, 3 gleiche Singulärwerte (füri_1\in\{X,Y,Z\}) — exakt was wir numerisch fanden.- Smolin, jeder 1|3- und 2|2-Schnitt:
|H|=4,\varphihier bijektiv (Kern trivial)\Rightarrowje 1 Eintrag pro Zeile, 4 gleiche Singulärwerte — exakt was wir fanden, für alle vier getesteten Schnitte gleichermaßen.
Der Bonus: Das erklärt auch den dritten in eurer Motivation genannten Befund — "the rigid common value across all 38 four-qubit graph states" — direkt mit, ohne weitere Arbeit: Graphzustände sind per Definition Stabilisator-Zustände, fallen also automatisch unter dasselbe Argument.
Warum das mit unserem $S_3$-Beispiel von vorhin konsistent ist: der zufällige $S_3$-symmetrische Zustand war nicht Pauli-diagonal (generische Hermitesche Matrix) — deshalb griff dort nur die Trägerreduktion (Schur, Proposition 1), aber keine erzwungene Gleichheit der Singulärwerte. Genau das haben wir beobachtet (4 verschiedene, nicht gleiche Singulärwerte). Das Gesamtbild ist also durchgängig konsistent.
Vorschlag für den Text: Remark~\ref{rem:no-universal-sharpening}s SU(2)-Behauptung durch ein neues Lemma ersetzen, das diesen Stabilisator-Zählmechanismus sauber formuliert (Homomorphismus \varphi, Faser-Konstanz, Bild-Injektivität auf der Zielseite) und explizit auf Pauli-diagonale Zustände (Stabilisatorzustände, Graphzustände, Bell-/Pauli-diagonale Mischungen) beschränkt. Soll ich das als fertigen Lemma-Text mit Beweis formulieren, den ihr direkt einsetzen könnt?
Gerne!
Hier ist der Ersatztext für Remark~\ref{rem:no-universal-sharpening}s SU(2)-Passage — als eigenständiges Lemma mit Beweis, in eurem Stil, direkt einsetzbar.
\subsection*{Exact degeneracy from stabilizer structure (replaces the SU(2) mechanism)}
The degeneracies recorded for \GHZ_3, the Smolin state, and all 38 four-qubit graph states share no continuous symmetry — collective SU(2), plain or twisted, is numerically excluded for both example states. Their common origin is instead a discrete, combinatorial fact about \emph{Pauli-diagonal} states, requiring only elementary group theory over \mathbb F_2.
\paragraph{Setup.} Identify each single-party Pauli index with \mathbb F_2^2 via I\mapsto(0,0), X\mapsto(1,0), Y\mapsto(1,1), Z\mapsto(0,1), so that an $n$-party Pauli string \sigma_{\vec i} corresponds to \vec i\in\mathbb F_2^{2n}, and string multiplication (up to phase) becomes addition. Let H\le\mathbb F_2^{2n} be an isotropic subgroup (i.e.\ its elements pairwise commute as operators) not containing -I, and let
[
\rho_H ;=; \frac{\Pi_H}{\operatorname{rank}\Pi_H}, \qquad \Pi_H=\frac{1}{|H|}\sum_{h\in H} h,
]
the maximally mixed state on the joint $+1$-eigenspace of H (a stabilizer code state; \rho_H is pure iff |H|=2^n).
\begin{lemma}[Support of a stabilizer-code state]
\label{lem:code-support}
\operatorname{Tr}[\rho_H\,\sigma_{\vec i}] = \mathbb 1[\vec i\in H] for every \vec i\in\mathbb F_2^{2n}.
\end{lemma}
\begin{proof}
For \vec i\in H: \Pi_H\sigma_{\vec i}=\Pi_H since h\Pi_H=\Pi_H for every h\in H, so \operatorname{Tr}[\Pi_H\sigma_{\vec i}]=\operatorname{Tr}[\Pi_H]=\operatorname{rank}\Pi_H, giving \operatorname{Tr}[\rho_H\sigma_{\vec i}]=1. For \vec i\notin H: either \sigma_{\vec i} anticommutes with some h\in H, whence \operatorname{Tr}[\Pi_H\sigma_{\vec i}]=\operatorname{Tr}[h\Pi_H\sigma_{\vec i}]=-\operatorname{Tr}[\Pi_H\sigma_{\vec i}h]=-\operatorname{Tr}[\Pi_H\sigma_{\vec i}] (using h\Pi_H=\Pi_H and cyclicity), forcing it to vanish; or \sigma_{\vec i} commutes with all of H without belonging to it (a logical operator), in which case it acts as a nonzero-weight, traceless operator on the logical subspace on which \rho_H restricts to a multiple of the identity, again giving zero.
\end{proof}
\begin{lemma}[Forced degeneracy of $\widetilde{\mathcal M}_S(\rho_H)$]
\label{lem:stabilizer-degeneracy}
Let S\mid S^c be a cut and let \varphi:H\to\mathbb F_2^{2|S|}, \psi:H\to\mathbb F_2^{2|S^c|} be the two restriction homomorphisms, so that H\hookrightarrow \mathbb F_2^{2|S|}\times\mathbb F_2^{2|S^c|} via h\mapsto(\varphi(h),\psi(h)). If \psi is injective, then every nonzero row of \widetilde{\mathcal M}_S(\rho_H) has exactly |\ker\varphi| nonzero entries, all of magnitude 1, with pairwise disjoint column supports across distinct rows; consequently
[
\widetilde{\mathcal M}_S(\rho_H) \text{ has exactly } |\operatorname{im}\varphi|-1 \text{ equal nonzero singular values, each } =\sqrt{|\ker\varphi|}.
]
(Normalization: this is in the orthonormal-Pauli convention e_i=\sigma_i/\sqrt2 per party; divide by 2^{n/2} for the convention used elsewhere in this note.)
\end{lemma}
\begin{proof}
By Lemma~\ref{lem:code-support}, the entry of \widetilde{\mathcal M}_S(\rho_H) at row \vec j\in\mathbb F_2^{2|S|}\setminus\{0\}, column \vec k, is 1 if (\vec j,\vec k)\in H and 0 otherwise. For fixed \vec j\in\operatorname{im}\varphi, the set \{\vec k:(\vec j,\vec k)\in H\} is a coset of \ker\varphi under the group structure of H (standard fiber property of a homomorphism), hence has size |\ker\varphi|, giving the row weight and (since all entries are \pm1 in magnitude by Lemma~\ref{lem:code-support}) equal row norm \sqrt{|\ker\varphi|} for every nonzero row. If rows for \vec j\neq\vec j' shared a nonzero column \vec k, then (\vec j,\vec k),(\vec j',\vec k)\in H would give (\vec j-\vec j',0)\in H with \vec j\neq\vec j', i.e.\ a nontrivial element of \ker\psi — excluded by injectivity of \psi. Rows are thus pairwise orthogonal with equal norm, hence (after normalizing) already the right singular vectors, and the singular values are all equal to the common row norm.
\end{proof}
\begin{corollary}
The Lemma applies uniformly to: pure stabilizer states (|H|=2^n, including all graph states and \GHZ_n), and uniform mixtures over a stabilizer code space with |H|<2^n (including the Smolin state, H=\{IIII,XXXX,YYYY,ZZZZ\}). Injectivity of \psi holds automatically whenever H contains no element supported entirely on S — checkable by inspection of the generators, without any Lie-group input. For \GHZ_3, S=\{1\}: |\ker\varphi|=2, giving 3 singular values equal to \sqrt2/2^{3/2}=0.5. For the Smolin state, every 1\mid3 and 2\mid2 cut: \varphi is bijective (|\ker\varphi|=1), giving 4 singular values equal to 1/2^{2}=0.25 — identical across all four inequivalent cuts, since bijectivity of \varphi holds for \emph{any} nonempty proper subset S of the four legs given this particular H.
\end{corollary}
\begin{remark}
The $y$-parity grading noted above is the special case H=\{I^{\otimes n}\} acting trivially — more precisely, it is not itself an instance of this Lemma but a compatible, coarser $\mathbb Z_2$-grading that commutes with any $H$-decomposition and can be applied on top of it without modification.
\end{remark}
Zwei Anmerkungen zur Einordnung, falls ihr das einbaut:
- Die Bedingung "
\psiinjektiv" ist die einzige Voraussetzung, die pro Anwendungsfall geprüft werden muss — beinErzeugern ist das eine einfache lineare-Algebra-Prüfung über\mathbb F_2, keine Handarbeit. - Das Lemma sagt nichts über Zustände, die nicht Pauli-diagonal sind (unser generisches $S_3$-Beispiel von vorhin) — dort bleibt nur Proposition 1 (Trägerreduktion via Schur), ohne erzwungene Gleichheit. Die beiden Mechanismen sind komplementär, nicht konkurrierend, und das solltet ihr explizit so benennen, damit klar ist, wann welcher greift.