Por qué suavizar — Informario

Cerramos el módulo anterior con una advertencia: la entropía max-relativa tiene un punto débil. Basta que la referencia $\sigma$ se anule en una dirección donde el estado $\rho$ no lo haga para que $D_{\max}$ salte a $+\infty$ . En una teoría de una toma, donde casi siempre se admite un pequeño margen de error, esa rigidez es más un defecto que una virtud. Este módulo la corrige, y la idea es tan natural como potente: permitir que $\rho$ se mueva un poquito.

La fragilidad del peor caso

El problema no es solo que $D_{\max}$ pueda valer infinito, sino que lo hace de forma discontinua. Imagina dos estados casi idénticos, tan parecidos que ningún experimento razonable los separaría. Si uno cae justo dentro del soporte de $\sigma$ y el otro se asoma un pelo fuera, el primero puede tener una $D_{\max}$ pequeña y el segundo, infinita. Una magnitud que da saltos así ante perturbaciones imperceptibles no puede ser la respuesta operacional correcta: los recursos físicos no distinguen entre «casi cero» y «cero exacto», pero $D_{\max}$ sí, y de la manera más brusca posible.

Tolerar un pequeño error

La salida es reconocer algo que las tareas de la vida real ya asumen: casi nunca exigimos éxito perfecto, sino éxito con una error tolerado ε probabilidad de fallo $\varepsilon$ tan pequeña como queramos, pero no nula. Comprimir con error $\varepsilon$ , extraer aleatoriedad con una imperfección $\varepsilon$ , transmitir con probabilidad de error $\varepsilon$ : en todos los casos hay un presupuesto de error.

Si aceptamos ese presupuesto, no tiene sentido atarnos al estado $\rho$ exacto. Podemos trabajar con cualquier estado $\tilde\rho$ que esté a distancia $\varepsilon$ de $\rho$ —indistinguible de él dentro de nuestra tolerancia— y quedarnos con el que más nos convenga. Eso es suavizar: en vez de evaluar $D_{\max}(\rho\|\sigma)$ , optimizamos sobre toda una bola de suavizado bola de estados cercanos y nos quedamos con el mejor:

D_{\max}^{\varepsilon}(\rho\,\|\,\sigma) = \min_{\tilde\rho \,\approx_\varepsilon\, \rho} D_{\max}(\tilde\rho\,\|\,\sigma).

En los artículos siguientes precisaremos qué significa $\tilde\rho \approx_\varepsilon \rho$ (necesitaremos una buena forma de medir cercanía) y estudiaremos la cantidad que resulta. Por ahora, quédate con la idea: un margen de error compra robustez.

Qué ganamos

El cambio parece pequeño, pero arregla los tres problemas de golpe. Se recupera la continuidad: como se optimiza sobre una bola, perturbar $\rho$ ya no provoca saltos. Se recupera la finitud: si el estado estaba «un pelo» fuera del soporte, dentro de la bola habrá otro que sí encaje, y $D_{\max}^{\varepsilon}$ será finita aunque $D_{\max}$ fuera infinita. Y, sobre todo, se obtiene la cantidad operacionalmente correcta: la que de verdad gobierna las tareas con error $\varepsilon$ .

Ejemplos resueltos

Ejemplo resuelto 1 · De infinito a cero con un 1 %

Problema. Sea $p = (0.99,\ 0.01)$ y $q = (1,\ 0)$ . Calcula $D_{\max}(p\|q)$ y compáralo con lo que ocurre si permitimos un error de $\varepsilon = 0.01$ (medido como distancia de traza).

Sin suavizar. El segundo resultado tiene $q_1 = 0$ pero $p_1 = 0.01 > 0$ : soporte incompatible, así que $D_{\max}(p\|q) = +\infty$ .

Con $\varepsilon = 0.01$ . La distancia de traza entre $p$ y $q$ es exactamente $0.01$ , así que $q$ mismo está dentro de la bola de $p$ . Eligiendo $\tilde\rho = q$ se obtiene $D_{\max}(q\|q) = 0$ , luego $D_{\max}^{0.01}(p\|q) = 0$ .

Un margen del $1\%$ hace pasar la cantidad de $+\infty$ a $0$ . La versión cruda era, sencillamente, demasiado pesimista.

Ejemplo resuelto 2 · Una rebaja parcial

Problema. Con $p = (0.5,\ 0.5)$ y $q = (0.1,\ 0.9)$ , calcula $D_{\max}$ y luego $D_{\max}^{\varepsilon}$ con $\varepsilon = 0.1$ .

Sin suavizar. $D_{\max} = \log_2 \max\!\big(\tfrac{0.5}{0.1},\ \tfrac{0.5}{0.9}\big) = \log_2 5 \approx 2.322$ bits.

Con $\varepsilon = 0.1$ . Nos conviene mover $p$ hacia $q$ tanto como el presupuesto permita: bajamos $p_0$ de $0.5$ a $0.4$ (una distancia de traza de $0.1$ ). Entonces

D_{\max}^{0.1} = \log_2 \max\!\big(\tfrac{0.4}{0.1},\ \tfrac{0.6}{0.9}\big) = \log_2 4 = 2 \text{ bits}.

No llega a cero —haría falta $\varepsilon = |0.5 - 0.1| = 0.4$ para eso— pero baja de $2.322$ a $2$ . El descenso es continuo en $\varepsilon$ , sin saltos.

Lo que viene

Para hacer todo esto riguroso falta una pieza: una forma sensata de decir «a distancia $\varepsilon$ ». En el siguiente artículo introducimos las dos herramientas estándar —la distancia de traza y la fidelidad— y la métrica que usa el suavizado. Después definimos con cuidado $D_{\max}^{\varepsilon}$ y, por último, mostramos que suavizar no es sino resolver otra optimización convexa: otra SDP.