arXiv:2607.09632v1 quant-ph

Lean-QIT: 양자 정보 이론을 위한 형식적 인프라를 향하여

Lean-QIT: Towards a Formal Infrastructure for Quantum Information Theory

Chengkai Zhu, Ziao Tang, Guocheng Zhen, Yimeng Cao, Yusheng Zhao, Ranyiliu Chen, Xuanqiang Zhao, Lei Zhang, Xin Wang

제출 2026-07-10

한국어 초록

양자 정보 이론(QIT)은 양자 정보 처리의 능력과 근본적 한계를 규명하며, 양자 통신, 계산, 오류 정정의 토대를 이룬다. 코딩 정리를 형식화하려면 유한 블록 프로토콜, 해석적 부등식, 점근적 한계를 통합된 기계 검증 프레임워크 안에서 연결해야 한다. 그러나 기존 연구들은 코드, 오류 기준, 달성 가능한 전송률, 용량을 정보이론적 특성화와 독립적으로 정의하는 재사용 가능한 운용 층(layer)이 부재하다. 본 연구에서는 유한 차원 QIT를 위한 Lean 4 라이브러리인 LeanQIT를 제시한다. LeanQIT는 양자 상태 및 채널, 소스 코드 및 채널 코드, 유한 블록 성능 기준, 가설 검정, 단발성(one-shot) 정보량, 점근적 전송률 구성을 위한 합성 가능한 커널(kernel) 검증 인터페이스를 제공한다. 이 인프라를 활용하여 Schumacher의 양자 소스 코딩 정리, Holevo--Schumacher--Westmoreland 고전 용량 정리, 그리고 얽힘 보조 고전 용량 정리와 그 강한 역정리를 형식화한다. 운용적 정의를 해석적 특성화로부터 분리하고 재사용 가능한 달성 가능성, 역정리, 점근적 구성 요소를 노출함으로써, Lean-QIT는 형식적 QIT를 위한 기계 가독 기반을 제공하며, 양자 정보 및 계산 분야의 AI 보조 형식화, 자동화된 증명 탐색, 에이전트(agent) 추론을 위한 합성적 지식 기반을 제공한다.

원문 초록

Quantum information theory (QIT) characterizes the capabilities and fundamental limits of quantum information processing, underpinning quantum communication, computation, and error correction. Formalizing its coding theorems requires connecting finite-block protocols, analytic inequalities, and asymptotic limits within a unified machine-checked framework. Existing developments, however, lack a reusable operational layer that defines codes, error criteria, achievable rates, and capacities independently of their information-theoretic characterizations. In this work, we present LeanQIT, a Lean 4 library for finite-dimensional QIT. It provides composable, kernel-checked interfaces for quantum states and channels, source and channel codes, finite-block performance criteria, hypothesis testing, one-shot quantities, and asymptotic rate constructions. Using this infrastructure, we formalize Schumacher's quantum source-coding theorem, the Holevo--Schumacher--Westmoreland classical-capacity theorem, and the entanglement-assisted classical-capacity theorem together with its strong converse. By separating operational definitions from analytic characterizations and exposing reusable achievability, converse, and asymptotic components, Lean-QIT provides a machine-readable foundation for formal QIT and a compositional knowledge substrate for emerging AI-assisted formalization, automated proof search, and agentic reasoning in quantum information and computation.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2607.09632v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.05492v1quant-ph공통 태그 theorem proving, formal verification, quantum information

Lean-Quantum: 양자 정보의 AI 보조 형식화를 향하여

Lean-Quantum: Toward AI-Assisted Formalization of Quantum Information

양자 정보 이론은 엔트로피 양(entropic quantities) 위에 구축되어 있으며, 그 중 샌드위치 Rényi 상대 엔트로피(sandwiched Rényi relative entropy)는 다양한 응용을 가진 근본적인 발산 척도이고, 양자 채널(quantum channels) 하에서의 데이터 처리 부등식(DPI)은 핵심 결과이다. 본 연구에서 우리는 이론적 분석을 위한 재사용 가능한 형식적 인프라로 설계된 Lean 4 기반의 양자 정보 라이브러리를 제시한다. 라이브러리의 핵심 시연으로서, 유한 차원 양자 시스템의 양의 준정부호 연산자(positive semidefinite operators)에 대한 샌드위치 Rényi 상대 엔트로피의 DPI를 형식화한다. 이 라이브러리는 표준 수학 라이브러리 Mathlib와 호환되는 유한 차원 양자역학을 위한 기저 독립적 연산자 이론 프레임워크를 제공하며, 유한 차원 시스템, 상태, 채널, 텐서 곱, 부분 추적(partial traces), Choi 연산자, Kraus 표현, Stinespring 표현을 위한 재사용 가능한 인터페이스를 포함한다. 또한 실수 연속 함수 미적분학(real continuous functional calculus)을 통한 연산자 단조성 및 볼록성, 블록 연산자 양의성(block-operator positivity), Hilbert-Schmidt 연산자 공간, Jensen 연산자 부등식, 일반화된 퍼스펙티브(generalized perspectives), 연산자 거듭제곱 평균(operator power means), Lieb-Ando 트레이스 부등식을 포함한 비가환 트레이스 부등식(noncommutative trace inequalities)을 위한 인프라를 구축한다. 이 프레임워크 위에서, DPI에 필요한 엔트로피 특정 구성 요소들을 형식화한다: Young 부등식 및 역-Young 부등식을 통한 샌드위치 준엔트로피(sandwiched quasi-entropy)의 변분 공식(variational formulas), 실수 거듭제곱의 텐서 곱 호환성, 그리고 유니터리 군에서의 Haar 측도. 이러한 구성 요소들은 함께 DPI의 Lean 형식화를 도출하고, 강한 준가산성(strong subadditivity)을 따름 정리로 제공하며, 일반화된 양자 Stein 보조정리(generalized quantum Stein's lemma)의 Lean 형식화를 완성하는 데 필요한 마지막 누락 구성 요소를 제공한다. 더 나아가, 이 개발은 양자 정보 이론에서의 미래 형식화 및 AI 보조 연구를 위한 기계 검증 가능한 토대를 제공한다.

arXiv:2610.13461v1cs.AI공통 태그 theorem proving, formal verification

SqueezeBench: 포화에 강건한 수학적 능력 평가

SqueezeBench: Saturation-Resilient Evaluation of Mathematical Capability

AI 시스템은 수학 분야에서 빠르게 발전하고 있지만, 이러한 발전을 측정하기는 어렵다. 이미 풀린 문제들로 구성된 벤치마크(benchmark)는 포화(saturate)되며, 미해결 문제들로 구성된 벤치마크에서는 각 문제가 최초로 단 한 번만 해결될 수 있다. 우리는 포화에 강건한 벤치마크인 SqueezeBench를 제시한다: 성공은 문제를 제거하는 대신 기준을 높인다. 각 문제는 작은 $n$에 대해서만 값이 알려진 정수 함수 $f(n)$을 고정하며, 벤치마크는 이에 대한 하한(lower) 기록과 상한(upper) 기록을 유지한다. 기록(record)은 $f$를 한정(bound)함을 기계 검증된 증명(machine-checked proof)으로 보인 계산 가능한 Lean 함수이다. 제출(submission)은 새로운 함수를 제안하고, 그 함수가 $f$를 한정하며, 모든 $n$에서 현재 기록보다 나쁘지 않고, 일부 $n$에서는 엄밀히 더 우수함을 증명한다. 채택되면 해당 제출은 다음 제출이 넘어서야 할 새로운 기록이 된다. 따라서 이 시스템은 한계값(bound)뿐 아니라 그 증명까지 선택하며, 단일 $n$에서의 기록을 개선할 수도 있고 성장률(growth rate)을 개선할 수도 있다. 모든 $n$에서 두 기록 사이의 간극은 인증된 한계값들이 $f(n)$을 결정하는 데에서 얼마나 떨어져 있는지를 보여준다. 모든 증명은 두 개의 독립적인 Lean 커널에 의해 검증되므로, 심판이 수학적 내용을 검토할 필요가 없다. 검증 과정은 또한 작은 $n$에서 전수 탐색(exhaustive search)으로 $f$를 계산하는 함수를 거부하며, 유지관리자(maintainer)는 제출자의 보고서만 읽고 더 큰 $n$에서 그러한 탐색이 있는지를 확인한다. 우리는 극단적 조합론(extremal combinatorics) 분야의 열 가지 문제를 스무 개의 증명된 초기 기록 및 승인 도구(admission tools)와 함께 공개한다. 기준선(baseline)으로서, 최신(frontier) 언어 모델(language model) 기반 에이전트(agent)는 기록당 최대 한 시간을 사용하여 82건의 제출을 승인받았고 모든 기록을 개선했으며, 이는 기존 발표된 문헌의 범위를 넘어서지는 않았다. 이후 두 개의 더 새로운 모델(model) 기반 에이전트들이 이 기록들로부터 시작하여 60건의 추가 제출을 승인받았고, 20개의 기록 중 19개를 다시 개선했다. 열 가지 문제 중 여덟 가지 문제에서는, 적어도 하나의 기록이 여전히 발표된 최선의 한계값(bound)에 비해 점근적으로(asymptotically) 뒤처져 있다.

arXiv:2610.10604v1cs.SE공통 태그 theorem proving, formal verification

타입 검사를 넘어서: 정형 명세 생성의 종합적 평가를 향하여

Beyond Type-checking: Towards Holistic Evaluation of Formal Specification Generation

검증 가능한 코드를 생성할 때, 대규모 언어 모델(LLM)과 에이전트(agent) 워크플로를 사용하여 자연어 요구사항을 기계 검증된 코드로 매핑합니다. 이 파이프라인의 핵심 구성 요소는 에이전트가 구현의 정확성을 증명할 수 있는 정형 계약을 생성하는 명세 생성(SpecGen)입니다. 증명 생성은 정리 증명기(theorem prover)로부터 결정론적 피드백을 얻을 수 있지만, SpecGen은 생성된 명세가 사용자의 의도를 제대로 포착했는지에 대한 결정적인 검증 수단이 부족합니다. 따라서 검증을 통과한 증명이라 하더라도 의도된 동작을 잘못 나타내는 명세를 기준으로 정확성을 입증하는 문제가 발생할 수 있습니다. 본 연구에서는 VERINA의 $189$개 및 CLEVER의 $161$개를 포함하여 기존의 $350$개 Lean 작업으로 구성된 통합 데이터셋(dataset)과, 정형적 타당성, 참조 유사도 및 동치성, 동작 적절성을 다루는 프레임워크를 통해 총체적인 SpecGen 평가를 향한 한 걸음을 내딛습니다. 본 연구는 필수 입력의 수용을 유효한 출력의 수용 및 무효한 출력의 거부와 구별하는 동시에, 각 지표의 근거 범위를 명시적으로 만듭니다. 네 가지 SpecGen 구성에 걸쳐 참조 유사도 측정 지표인 일반화된 트리 편집 거리(GTED) 비교를 공동 측정이 가능한 $32$개의 VERINA 작업으로 제한하면, 평균 유사도에서 VERINA 구성의 순위가 2위에서 4위로 변경되어 측정 범위(coverage)의 중요성을 보여줍니다. 직접 작성한 대조군 실험에서는 한 명세가 필수 입력을 $0\%$만 수용하면서도 $100\%$의 양성 테스트 재현율(recall) 및 음성 테스트 거부를 달성했습니다. 이는 완벽한 사후 조건 점수가 사용 불가능한 입력 계약을 놓칠 수 있음을 입증하며, 입력 범위와 출력 제약 조건에 대한 분리된 피드백의 필요성을 시사합니다.

arXiv:2605.20531v3cs.LO공통 태그 theorem proving, formal verification

자동 증명 검증을 위한 의사 형식화

Pseudo-Formalization for Automatic Proof Verification

신뢰할 수 있는 증명 검증은 고난도 수학적 추론에 대한 AI 시스템의 학습(training)과 평가(evaluation)에서 여전히 병목 현상으로 남아 있습니다. Lean과 같은 언어로 작성된 완전한 형식적 증명(fully formal proofs)은 모호하지 않고 모듈화되어 있어 검증하기 쉽습니다. 그러나 대부분의 증명, 특히 AI 시스템이 작성한 증명은 두 가지 특성을 모두 갖추지 못했으며, 이를 형식 언어로 번역하는 것은 많은 프론티어 수학 환경에서 여전히 어려운 과제입니다. 본 논문에서는 자연어의 유연성을 유지하면서도 형식적 증명의 모듈성과 정밀성을 포착하는 증명 형식인 의사 형식화(Pseudo-Formalization, PF)를 제안합니다. 의사 형식적 증명은 독립적인 모듈들로 분해되며, 각 모듈은 전제, 결론 및 증명을 자연어로 명시합니다. 일반 자연어 증명의 정확성을 검증하기 위해, 대규모 언어 모델(LLM)이 이를 의사 형식적 표현으로 변환한 다음 각 모듈을 독립적으로 검증하는 블록 검증(Block Verification, BV) 알고리즘을 사용합니다. 올림피아드 및 연구 수준의 수학을 아우르는 두 가지 벤치마크(benchmark)에서 PF+BV를 평가한 결과, 오류 발견 정밀도(precision)와 재현율(recall) 측면에서 LLM-as-a-judge 베이스라인을 파레토 지배(pareto-dominates)함을 확인했습니다. 향후 연구를 지원하기 위해 연구 수준의 증명 검증 벤치마크인 ArxivMathGradingBench를 공개합니다.

arXiv:2610.00885v1cs.SE공통 태그 theorem proving, formal verification

형식 수학 및 소프트웨어 검증에서 감사 가능한 추론을 위한 FORALL-LEAN-AGENT

FORALL-LEAN-AGENT for Auditable Reasoning in Formal Mathematics and Software Verification

코딩 에이전트(agent)는 Lean 증명 개발을 점점 더 자동화하고 있지만, 컴파일 성공만으로는 후보 증명이 허용 가능한 가정 하에서 의도한 명제를 증명한다는 점을 확증하지 못합니다. 본 논문에서는 형식 수학 및 소프트웨어 검증에서 감사 가능한 추론을 위한 프런트엔드 독립적 프레임워크인 FORALL-LEAN-AGENT를 제시합니다. 이 프레임워크는 격리된 작업 공간, Lean 도구, 새로운 검토를 명제 비교, 공리 감사, 그리고 지원되는 경우 독립적인 증명 검사와 결합합니다. 검증 증거와 검토자의 결정은 동일한 후보 아티팩트에 바인딩되어 수락 과정을 추적할 수 있도록 합니다. 우리는 VeriSoftBench, PutnamBench, 그리고 Lean Eval 소프트웨어 검증 트랙의 두 문제 모두에서 이 프레임워크를 평가합니다. 100개 과제로 구성된 VeriSoftBench 하위 집합에서, FORALLLEAN-AGENT와의 통합은 GPT-5.6 Sol의 벤치마크 규칙 성공을 낮은 노력으로 93개에서 100개로 높이는 동시에 비용을 69달러에서 62달러로 절감합니다. PutnamBench 평가에서는 전체 672개 문제를 평균 4.72달러에 모두 통과시킵니다. 이러한 결과는 에이전트 하네스 설계가 총 해결 횟수를 넘어서는 증거를 제공하는 동시에 정확성과 효율성을 향상시킬 수 있음을 보여줍니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.