고전–양자 앙상블과 Holevo 정보

1. 무엇을 알아내려는가?

Alice가 고전 표지 $X=x$를 확률 $p_x$로 선택하고 양자 상태 $\rho_x$를 준비한다. Bob은 표지를 모른 채 양자계 $Q$만 받는다. 앙상블은 평균 상태 하나가 아니라 $\{p_x,\rho_x\}$라는 준비 목록 전체다. 평균 밀도행렬이 같아도 표지와의 상관은 다를 수 있다.

예를 들어 동일한 확률의 $|0\rangle,|1\rangle$과 동일한 확률의 $|+\rangle,|-\rangle$은 모두 평균이 $I_2/2$다. 하지만 $Z$ 측정으로 첫 번째 표지는 완벽히 알아내고 두 번째 표지에 대해서는 아무 정보도 얻지 못한다. 고전 정보량을 말하려면 수신자의 측정을 먼저 정해야 한다.

측정과 상태 변화, 밀도행렬과 스펙트럼을 복습하자.

2. 고전 표지를 레지스터로 보존하자

서로 직교하는 고전 표지 상태 $|x\rangle_X$를 도입하면

라는 고전-양자 상태를 얻는다. 행렬은 $X$에 대해 블록 대각이다. 이는 $\sum_x\sqrt{p_x}|x\rangle|\psi_x\rangle$라는 결맞는 중첩과 다르다. 고전 표지는 대안 사이의 coherence 없이 구분되는 기록이다.

$\rho_x$의 고유값이 $\lambda_{xj}$이면 블록의 고유값은 $p_x\lambda_{xj}$다. 로그를 전개하면

를 얻는다. $Q$를 부분추적하면 고전 분포가 남아 $S(X)=H(p)$다. $X$를 부분추적하면 평균 상태가 남아 $S(Q)=S(\bar\rho)$다.

3. Holevo 정보는 결합 정보량이다

세 엔트로피를 $I(X:Q)$에 대입하면

다. 평균 상태의 엔트로피에서 개별 준비 상태의 평균적인 내부 혼합성을 뺀다. 고전 표지와 양자계의 상관을 표현하는 값이다. 개별 상태가 모두 순수한 경우에만 평균 상태의 엔트로피와 바로 같아진다.

이진 큐비트 앙상블에서는 $0\le\chi\le\min\{H(X),1\}$이다. 두 상태가 같으면 표지가 공정한 동전이어도 $\chi=0$이다. 표지가 확정되어 있으면 표지 엔트로피와 Holevo 정보가 모두 0이다.

4. 측정하면 보통의 확률표가 된다

POVM 효과가 $M_y$이면

다. 측정 후 고전 상호정보량은

로 계산한다. 이진 결과에서는 $H(Y)-H(Y|X)$가 편리하다. 확률 0인 항은 연속성에 의해 0으로 취급하며, 사전확률이 0인 표지도 기여하지 않는다. 구현을 점검할 때는 행·열 주변확률을 포함한 결합 확률표를 먼저 확인하자.

시각적으로는 두 준비 블록에서 두 결과 열로 확률이 흐르는 그림을 생각하면 된다. 측정의 변경은 열 사이의 확률 배분을 바꾸지만 준비 사전확률이나 평균 상태의 엔트로피를 바꾸지 않는다.

5. 비직교 상태 쌍을 직접 계산하자

동일한 사전확률로 다음을 준비한다.

평균 밀도행렬은

다. trace는 1, 행렬식은 $4/25$이므로 고유값은 $4/5,1/5$다. 개별 상태가 순수하므로 $\chi=h_2(1/5)\approx0.721928$ bit다.

최소 오류 측정 중 하나는

다.

| 준비 | $p(Y=0|X)$ | $p(Y=1|X)$ | |---|---:|---:| | $X=0$ | $9/10$ | $1/10$ | | $X=1$ | $1/10$ | $9/10$ |

결과 주변분포가 균등하므로 선택한 측정의 상호정보량은 $1-h_2(1/10)\approx0.531004$ bit다. 정답 확률 $9/10$과는 의미도 단위도 다르다.

6. 정보원은 그대로 두고 측정을 바꾸자

같은 앙상블에 $Z$ 측정을 적용하면 결과 0의 조건부 확률은 각각 $1,9/25$다. 따라서 $p(Y=0)=17/25$이고

다. 같은 정보원에서 또 하나의 재현 가능한 값을 얻었다. Holevo 정보는 여전히 $h_2(1/5)$다. 평균 행렬의 대각 원소 $17/25,8/25$는 이 측정의 $H(Y)$를 계산할 때 쓰며, 평균 상태의 고유값과 혼동하면 안 된다.

예정된 조작 화면에서는 앙상블을 고정하고 $Z$와 최소 오류 측정을 전환한다. 확률표 옆에 $H(Y)$, $H(Y|X)$, 그 차이, 고정된 $\chi$ 막대를 함께 표시하면 정보가 어디서 달라지는지 확인할 수 있다.

7. 정답 확률 최적화와 정보량 최적화는 다르다

접근 가능 정보는 $I_{\mathrm{acc}}=\sup_{\{M_y\}}I(X:Y)$다. Helstrom 측정이 최적화하는 것은 정답 확률이다. 그것만으로 상호정보량까지 최대라고 증명되지는 않는다.

Bloch 벡터가 $(0,0,1/5)$와 $(0,0,-1/5)$이고 사전확률이 $9/10,1/10$인 예를 보자. 항상 첫 번째 표지라고 답하면 성공률 $9/10$으로 최소 오류 최적이다. 이때 관례적으로 선택하는 한 결과 측정의 상호정보량은 0이다.

반면 $Z$ 측정의 두 조건부 분포는 $(3/5,2/5)$와 $(2/5,3/5)$로 달라 상호정보량이 양수다. 측정을 한 뒤에도 최소 오류 답을 고를 때 결과를 무시할 수 있다. 정보를 얻는 것과 가장 유력한 답이 바뀌는 것은 별개의 사건이다.

8. Holevo 상계는 왜 성립할까?

측정은 $Q$를 고전 레지스터 $Y$로 보내는 양자 채널이다. 이 채널을 적용해도 표지 $X$와의 상호정보량은 증가하지 않는다. 따라서

다. 첫 부등식은 supremum의 정의, 두 번째는 Holevo 정리다. 완전한 증명은 상대 엔트로피의 정보처리 부등식을 사용한다. 몇 가지 수치 예제가 맞는다는 사실이 모든 앙상블과 POVM에 대한 증명을 대신하지는 않는다.

위 관계는 달성한 값과 상계를 함께 준다. 선택한 측정과 상계 사이에 차이가 있어도 접근 가능 정보의 정확한 값을 구한 것은 아니다. 다른 측정이 그 차이를 줄일 수 없다는 결론도 아직 나오지 않는다.

9. 해설과 함께 푸는 문제

1. 같은 두 상태. 두 표지가 같은 확률로 $I_2/2$를 준비한다. 해설: 평균 상태와 개별 상태의 엔트로피가 모두 1이어서 $\chi=0$이다. 모든 측정 확률표의 두 행이 같다.
2. 직교 순수 상태. 동일 확률의 $|0\rangle,|1\rangle$이다. 해설: $\chi=1$이며 $Z$ 측정이 오류 없이 1 bit를 얻는다.
3. 평균과 표지. 동일 확률의 $|+\rangle,|-\rangle$를 $Z$로 측정한다. 해설: 평균 상태의 엔트로피는 1이지만 두 행이 $(1/2,1/2)$여서 이 측정의 정보량은 0이다.
4. 결합 확률. 5절에서 $p(X=0,Y=1)$은? 해설: $(1/2)(1/10)=1/20$이다. 사전확률을 곱해야 한다.
5. 판정과 정보. 편향된 예제에서 최적 답이 바뀌지 않는데 정보를 얻는 이유는? 해설: 사후확률은 변하지만 판정 임계값의 같은 쪽에 남는다. 상호정보량은 의존성을 감지하며 최적 표지의 전환을 요구하지 않는다.
6. 부당한 등호. 최소 오류 측정 하나를 계산하면 $I_{\mathrm{acc}}$도 구한 것일까? 해설: 목적함수가 다르므로 추가 최적화 정리나 인증이 필요하다.

10. AI·연구와의 연결

표지 엔트로피, 표현에 담긴 정보, 과제 정확도, 이론적 정보 한계를 구분하자. 양자 앙상블은 이 값들이 달라지는 명확한 예다. 신경망 분류기에 비유할 수는 있지만 일반 특징 벡터가 곧 양자 밀도행렬이라는 뜻은 아니다.

채널 용량에는 허용 부호어, 여러 번의 채널 사용, 집단 측정, 공유 자원을 추가로 정해야 한다. 한 번의 확률표로 채널 부호화 정리를 증명할 수 없다. 초밀집 부호화는 공유 자원 가정을 바꾸므로 여기의 보조 자원 없는 과제에 대한 상계와 모순되지 않는다.

수치 기반은 선택한 측정을 방향 있는 엔트로피 구간으로 평가한다. 조작 화면, 접근 가능 정보 최적화, 부호화 증명, 실제 reader 등록은 별도로 남아 있다. 일차 자료는 Watrous 5장 5.3.3절이다.