格罗滕迪克博弈能自检验连续量子测量族吗？

连续问题迫使自检验给出概率性保证

标准自检验使用问题数有限的博弈，因此每个指定测量都以正概率被问到，可以逐个确定。格罗滕迪克博弈则按密度 |⟨x, y⟩|/z_n（相对于均匀乘积测度）抽取单位球面 S^(n-1) 上的向量问题对 (x, y)，其中 z_n 是归一化常数。在连续分布下，任何单个问题的概率为零，因此最优策略可以在任意固定的有限问题集上被任意改动而不改变其取值。

正因如此，论文认为不存在固定的有限生成元集合可以被认证，而且即便认证了有限多个生成元，也无法约束设备在其余问题上的测量。作者追求的是概率性保证：在某一对局部等距映射下，近优策略应当平均地、或以高概率在抽样问题上逼近理想实现。论文指出，此前尚未有人研究过用单个非局域博弈的近优策略自检验连续测量族；最接近的相关工作通过迭代式自检验程序认证任意实射影测量，每次增加一个测量。

格罗滕迪克博弈如何把球面方向变成二元答案

格罗滕迪克博弈 G_n 是一种 XOR 博弈：裁判把问题 x 发给 Alice，把问题 y 发给 Bob，若两人的答案 a, b ∈ {±1} 满足 ab = sgn⟨x, y⟩ 则获胜。也就是说，内积为正时两人答案应一致，内积为负时应不同。获胜概率为 p 的策略其偏置为 2p − 1，最优经典偏置为 β_c(G_n) = z_n，最优量子偏置为 β_q(G_n) = (1/n) z_n。

该博弈之所以是认证连续测量族的自然候选，是因为小格罗滕迪克不等式的紧性证明使 G_n 具有普适性：它的最优策略可导出任意有限半正定 XOR 博弈的最优量子策略。论文指出，G_n 此前主要被作为最优求解时需要大量纠缠的博弈来研究，其自检验性质尚未被研究。

马约拉纳可观测量构成理想的连续策略

对偶数 n = 2m ≥ 2，C^(2^m) 上的马约拉纳算子 γ_1, …, γ_n 满足 γ_i γ_j + γ_j γ_i = 2δ_ij I。它们生成有限克利福德群 C_n 的唯一不可约 2^m 维表示，而 R^n 的任意正交基都给出满足同样关系的算子。对单位球面上的 x 定义 γ(x) = Σ_i x_i γ_i，可得 γ(x)* = γ(x)、γ(x)^2 = I 以及 {γ(x), γ(y)} = 2⟨x, y⟩ I，因此每个 γ(x) 都是二元可观测量。

G_n 的最优量子策略使用最大纠缠态，Alice 在自己的局部希尔伯特空间上测量 γ(x)，Bob 测量 γ(y)。由于改变正交基会得到 C_n 的一族连续等价表示，需要认证的对象不是有限个算子，而是整个族。论文指出，满足反对易关系的 n 个马约拉纳算子的自检验此前已知，但同时对整个连续族进行认证尚未实现。

近优偏置认证整个马约拉纳族

定理 1.1（论文中的定理 5.8）指出，对 n = 2m，若 G_n 的一个有限维策略以态 |ψ⟩ 和可观测量 A(x)、B(y) 达到至少 (1 − ε) β_q(G_n) 的偏置，则存在局部等距映射 Φ_A、Φ_B 和辅助态 |aux⟩，使得该态在 O(n^2 ε) 内接近 2^m 维最大纠缠态，且 A(x) 相对 γ(x)、B(y) 相对 γ(y) 在问题分布上的期望偏差各自被 O(n ε) 界定。

对问题取期望并非技术上的便利，而是必需的：由于在任意有限问题集上改变测量都不影响偏置，任何固定的有限集合都无法被认证。为了得到固定算子上的保证，推论 5.10 从定理 1.1 推出：在 R^n 的一个 Haar 随机正交基 Q = (q_1, …, q_n) 中，全部 2n 个可观测量 A(q_i) 和 B(q_i) 以高概率被同时认证。因此稳健性界以两种不同的计量方式给出——对连续问题分布取平均，以及在随机抽取基上的高概率陈述——论文把它们视为服务于不同的认证需求。

马约拉纳可观测量的乘积认证pin群

把 γ(x) 相乘可生成 pin 群 Pin(n) 的一个不可约表示。对球面上的 x 记自伴酉算子 c(x)，满足 c(x)c(y) + c(y)c(x) = 2⟨x, y⟩，自旋表示 Γ 把乘积 c(x_1)⋯c(x_k) 映到 γ(x_1)⋯γ(x_k)。Pin(n) 的任意元素都可写成至多 n 个生成元的带符号乘积，但这种分解并不唯一，因此 Alice 和 Bob 的算子 A(x)、B(y) 如何延拓为整个群的近似表示，先验上并不清楚。

论文通过引入 SO(n) 中的旋转 R 及其在 pin 群上的相应自同构来解决这一问题，得到 g ∈ Pin(n)、R ∈ SO(n) 的酉算子 A_R(g) 和 B_R(g)；关键在于，只要 Alice 和 Bob 能酉访问自己的可观测量，就能实现这些算子。定理 1.2（定理 5.11）随后给出：在与定理 1.1 相同的等距映射和态下，对均匀随机的 R ∈ SO(n) 和 g ∈ Pin(n) 取期望，偏差被 O(n^3 ε) 界定。把保证从生成元提升到整个群的代价体现在指数上：误差从马约拉纳可观测量的 O(n ε) 增长到自旋表示的 O(n^3 ε)。

用高效等距映射把近似表示取整

一个关键证明步骤是把克利福德群 C_n 的近似表示取整为精确表示。论文给出了 Gowers–Hatami 稳定性定理的一个变体，它同时适用于有限群和紧连续群，允许瞄准某个特定的不可约表示，并阐明了等距映射能被高效实现所需的条件。对任意从群 G 到希尔伯特空间 H 上酉算子的函数 f，把 |ψ⟩ 映到函数 g ↦ f(g)|ψ⟩ 的映射是等距映射，而与精确表示的偏差恰好等于在态加权范数下对 G 取平均的 ‖f(g)f(h) − f(gh)‖^2。

瞄准选定的不可约表示 λ 是通过投影到 λ-同型子空间实现的，G 的傅里叶变换把该子空间等同于 End(H_λ) ⊗ H。所得的等距映射 V_λ 可以通过制备群上的一致叠加、施加受控近似表示、再施加群傅里叶变换来实现。论文指出，只要一致叠加、受控近似表示和傅里叶变换都能被高效实现，V_λ 就是高效的——这是关于实现代价的条件性陈述，而非断言该框架中的每个群都允许高效电路。

经典策略与向量策略同样具有刚性

论文还为 G_n 更简单的策略类建立了刚性。最优确定性策略由可测函数 a(x) = sgn⟨c, x⟩ 和 b(y) = sgn⟨c, y⟩ 给出，其中 c 在球面上；定理 3.1 表明任何近优确定性策略都接近这样的策略。对于向量策略——即给问题分配实单位向量 a(x) 和 b(y)，其关联为 ⟨a(x), b(y)⟩——Tsirelson 定理使最优向量偏置与最优量子偏置相等，定理 4.8 证明每个近优向量策略都接近策略 a(x) = x、b(y) = y。

这些结果对理解量子定理很重要，因为它们表明 G_n 的刚性并非某一种证明技巧的产物：同一个博弈在各自的语言中确定了它的经典、向量和量子近优策略。它们也标出了论文主张的边界。自检验陈述针对的是 G_n 的有限维策略，且稳健性界随 n 缩放，因此随着球面维数增大，被认证的接近程度会变差。

这一保证覆盖什么、不覆盖什么

论文的核心主张是：单个非局域博弈 G_n 稳健地自检验一个连续测量族——球面上所有 x 的马约拉纳可观测量 γ(x)，并通过这些可观测量的乘积自检验连续 pin 群的自旋表示。该认证在构造上就是概率性的，因为连续问题分布给任何单个问题分配的概率为零；论文明确指出，这正是保证被表述为对问题取平均、或表述为 Haar 随机基上的高概率陈述的原因。

论文中最具决策相关性的比较是两种稳健性尺度之间的比较。认证马约拉纳可观测量的代价是期望偏差 O(n ε)，而认证完整 pin 群自旋表示的代价是在均匀随机旋转和群元素上取期望的 O(n^3 ε)。因此，读者在权衡格罗滕迪克博弈是否适合某项认证任务时，应首先看需要认证的是哪个对象——仅生成元，还是它们生成的群——因为决定论文实际证明的误差缩放的，是这个选择，而不是博弈本身。

本文引用的文献