Fundamental limits on determination of photon number statistics from measurements with multiplexed on/off detectors

Diese Arbeit untersucht fundamentale Grenzen zur Bestimmung der Photonenzahlstatistik aus unvollständigen Messungen mit Multiplex-On/Off-Detektoren, indem sie zeigt, dass sich untere und obere Schranken für Wahrscheinlichkeiten sowie für Größen wie die Parität und den mittleren Photonenzahlwert durch lineare Programmierung ermitteln lassen, was quantitative Hinweise auf die erforderliche Anzahl von Detektionskanälen liefert.

Das Wesentliche

Das große Rätsel: Wie viele Lichtteilchen sind da?

Stellen Sie sich vor, Sie haben einen verschlossenen Raum, in dem eine mysteriöse Lichtquelle leuchtet. Ihr Ziel ist es herauszufinden, wie viele Lichtteilchen (Photonen) genau in diesem Moment im Raum sind. In der Quantenphysik ist das keine einfache Zählung, sondern ein hochkomplexes Rätsel.

Normalerweise bräuchten Sie dafür einen perfekten Zähler, der jedes einzelne Teilchen einzeln und genau erfasst. Aber in der Realität haben wir oft nur einfache Sensoren, die nur sagen können: „Da ist Licht" (Klick) oder „Da ist nichts" (Kein Klick). Sie können nicht unterscheiden, ob 1, 5 oder 100 Teilchen gleichzeitig hereinkommen.

Der Trick: Das Licht spalten (Der Multiplexing-Ansatz)

Um dieses Problem zu lösen, nutzen Wissenschaftler einen cleveren Trick, den die Autoren in diesem Papier untersuchen: Sie teilen das Lichtstrahl in viele kleine Stücke auf.

Stellen Sie sich vor, Sie haben einen Wasserhahn, aus dem ein dicker Strahl fließt. Sie leiten diesen Strahl durch ein Labyrinth von Rohren (Strahlteilern), bis er auf M verschiedene Eimer (Detektoren) verteilt wird.

• Wenn nur ein Eimer Wasser fängt, wissen Sie: Es war wenig Wasser da.
• Wenn alle Eimer voll sind, war es viel.

Das Problem ist: Wenn Sie nur 10 Eimer haben (M=10), aber im Wasserhahn eigentlich 100 Tropfen waren, können Sie nicht genau sagen, wie viele Tropfen in welchem Eimer gelandet sind. Viele verschiedene Verteilungen von Tropfen könnten exakt das gleiche Ergebnis liefern (z. B. alle Eimer voll).

Die Entdeckung: Grenzen statt exakter Antworten

Die Autoren dieser Arbeit sagen: „Wir können die genaue Anzahl der Teilchen aus diesen ungenauen Messungen oft nicht eindeutig bestimmen. Aber wir können die Grenzen bestimmen."

Stellen Sie sich vor, Sie versuchen, die genaue Anzahl der Gäste auf einer Party zu erraten, indem Sie nur zählen, wie viele Tische voll sind. Sie wissen nicht, ob an einem Tisch 2 oder 10 Leute sitzen.

• Die alte Methode: Man würde raten und vielleicht annehmen, dass die Verteilung so „fair" wie möglich ist (Maximum Entropy). Das ist aber oft nur eine Vermutung.
• Die neue Methode (dieses Papier): Die Autoren sagen: „Wir machen keine Annahmen. Wir berechnen stattdessen das Minimum und das Maximum an Gästen, die theoretisch möglich wären, ohne dass unsere Zählung der vollen Tische falsch wäre."

Sie nutzen dafür einen mathematischen Werkzeugkasten namens Lineare Programmierung. Das ist wie ein sehr strenger Richter, der alle möglichen Szenarien durchgeht und sagt: „Wenn es weniger als X Gäste gäbe, wären zu viele Tische leer. Wenn es mehr als Y Gäste gäbe, wären zu viele Tische überfüllt. Also muss die wahre Zahl irgendwo zwischen X und Y liegen."

Was haben sie herausgefunden?

1. Mehr Eimer = Bessere Schätzung: Je mehr Detektoren (Eimer) Sie haben, desto enger wird die Lücke zwischen Minimum und Maximum. Wenn Sie von 10 auf 100 Eimer gehen, wird Ihre Schätzung viel genauer. Aber: Mehr Eimer kosten mehr Geld und Platz. Die Arbeit hilft zu berechnen, wie viele Eimer man wirklich braucht, um ein bestimmtes Ziel zu erreichen.
2. Verschmutzte Eimer (Verluste): Wenn die Eimer undicht sind (niedrige Detektionseffizienz), wird die Schätzung ungenauer. Die Autoren zeigen genau, wie stark die Ungenauigkeit wächst, wenn die Technik nicht perfekt ist.
3. Der „Geister"-Effekt: Bei manchen Lichtarten (wie „gequetschtem Licht") ist die Verteilung der Teilchen sehr seltsam. Hier ist die Unsicherheit besonders groß, wenn man zu wenige Eimer hat. Bei normalem Laserlicht (kohärent) ist die Schätzung hingegen sehr präzise, selbst mit wenigen Eimern.
4. Die durchschnittliche Anzahl: Auch wenn man die genaue Zahl nie weiß, kann man oft sehr gut schätzen, wie viele Teilchen im Durchschnitt da sind. Das ist wie beim Schätzen des Durchschnittsgewichts einer Person in einem Raum, ohne jeden einzelnen zu wiegen.

Warum ist das wichtig?

In der Quantentechnologie (z. B. für sichere Kommunikation oder extrem präzise Messungen) ist es entscheidend zu wissen, wie gut man einen Zustand wirklich kennt.

• Für Ingenieure: Diese Arbeit ist wie ein Bauplan. Sie sagt: „Wenn Sie diesen speziellen Quantenzustand messen wollen, bauen Sie nicht 1000 Detektoren. 20 reichen völlig aus, um eine Genauigkeit von 99 % zu erreichen." Das spart enorme Kosten.
• Für Wissenschaftler: Sie müssen nicht mehr raten, ob ihre Messung gut ist. Sie können mathematisch beweisen: „Unsere Messung ist so gut, dass wir mit 99,9 % Sicherheit sagen können, dass die Lichtmenge zwischen A und B liegt."

Zusammenfassung in einem Satz

Dieses Papier zeigt uns, wie man mit einem begrenzten Satz von einfachen „An/Aus"-Sensoren die bestmöglichen Grenzen für die Anzahl von Lichtteilchen berechnet, ohne dabei auf Vermutungen angewiesen zu sein, und hilft so, teure Experimente effizienter zu planen.

Technische Zusammenfassung

1. Problemstellung

Die experimentelle Bestimmung der Photonenzahlverteilung (Photon Number Distribution, PND) ist ein zentrales Problem in der Quantenoptik und für Anwendungen in der Quanteninformationsverarbeitung sowie der Quantenmetrologie. Während Detektoren, die Photonen direkt zählen können, verfügbar sind, werden in vielen Experimenten nach wie vor binäre „On/Off"-Detektoren (die nur zwischen An- und Abwesenheit von Photonen unterscheiden) verwendet. Durch räumliche oder zeitliche Multiplexierung (Aufteilung des Signals auf $M$ Kanäle) kann aus der Klickstatistik dieser Detektoren eine Näherung der Photonenzahlverteilung gewonnen werden.

Das fundamentale Problem besteht darin, dass bei einer endlichen Anzahl von Detektionskanälen $M$ die Messung tomographisch unvollständig ist. Das bedeutet, dass die gemessene Klickstatistik (die Anzahl der gleichzeitigen Detektorklicks) die Photonenzahlverteilung $p_n$ nicht eindeutig bestimmt. Unendlich viele verschiedene Verteilungen $p_n$ können dieselbe Klickstatistik erzeugen. Bisherige Ansätze versuchten, diese Mehrdeutigkeit durch zusätzliche Annahmen (z. B. Maximierung der Entropie) zu lösen, was jedoch nicht immer gerechtfertigt ist, insbesondere bei der Charakterisierung künstlich erzeugter Quantenzustände.

Die Fragestellung dieses Artikels lautet: Welche fundamentalen Grenzen (Unterschiede zwischen unterer und oberer Schranke) bestehen für die Bestimmung der Photonenwahrscheinlichkeiten $p_n$ und anderer physikalischer Größen, wenn keine zusätzlichen Annahmen über die Verteilung getroffen werden, sondern nur die gemessene Klickstatistik verwendet wird?

2. Methodik

Der Autor entwickelt einen Rahmen, der auf Linearer Programmierung (Linear Programming) basiert, um die fundamentalen Unsicherheiten zu quantifizieren.

• Messschema: Ein optisches Signal wird gleichmäßig auf $M$ Kanäle aufgeteilt (z. B. durch eine Kaskade von Strahlteilern). Jeder Kanal wird von einem binären Detektor mit Effizienz $\eta$ gemessen. Die gemessene Größe ist die Wahrscheinlichkeit $c_m$, dass genau $m$ Detektoren gleichzeitig klicken.
• Mathematisches Modell: Die Beziehung zwischen der Klickstatistik $c_m$ und der Photonenzahlverteilung $p_n$ wird durch eine lineare Gleichung beschrieben:
  $$c_m = \sum_{n=m}^{\infty} C_{mn} p_n$$
  wobei $C_{mn}$ von der Anzahl der Kanäle $M$, der Effizienz $\eta$ und der Binomialverteilung abhängt.
• Optimierungsproblem: Um die Grenzen für eine beliebige physikalische Größe $Z$ (die als lineare Kombination der $p_n$ dargestellt werden kann, $Z = \sum z_n p_n$) zu finden, wird ein lineares Programm gelöst:
  • Zielfunktion: Minimierung oder Maximierung von $Z$.
  • Nebenbedingungen:
    1. Die Gleichungen für die Klickstatistik $c_m$ müssen erfüllt sein.
    2. Die Wahrscheinlichkeiten müssen nicht-negativ sein ($p_n \ge 0$).
    3. Die Normierung $\sum p_n = 1$ ist implizit enthalten.
• Diskretisierung: Da die Photonenzahl $n$ theoretisch unbeschränkt ist, wird die Verteilung bei einem Cut-off $N$ abgeschnitten. Der Autor zeigt, dass für beschränkte Operatoren die Lösung bei hinreichend großem $N$ konvergiert. Für unbeschränkte Operatoren (wie den mittleren Photonenzahlwert) werden zusätzliche Annahmen über den „Schwanz" der Verteilung benötigt.
• Dualität: Die Optimalität der Lösungen wird durch das Lösen des dualen linearen Programms verifiziert.

3. Wichtige Beiträge und Ergebnisse

A. Grenzen der Photonenwahrscheinlichkeiten ($p_n$)

Der Autor berechnet numerisch die unteren und oberen Schranken für $p_n$ für verschiedene Eingangsquantenzustände:

• Thermische Zustände: Zeigen große Unsicherheiten ($\Delta p_n$), da sie eine breite Verteilung mit signifikanten Populationen hoher Fock-Zustände ($n > M$) aufweisen.
• Kohärente Zustände: Zeigen sehr kleine Unsicherheiten, da die Wahrscheinlichkeit für $n > M$ vernachlässigbar klein ist.
• Gedrückte Vakuumzustände (Squeezed Vacuum): Zeigen aufgrund der Oszillationen in der Verteilung und der Breite ebenfalls größere Unsicherheiten.
• Ein-Photonen-subtrahierte gedrückte Vakuumzustände: Durch das Entfernen eines Photons wird die Verteilung schmaler, was zu kleineren Unsicherheiten führt als beim ursprünglichen gedrückten Zustand.

Ergebnis: Die Unsicherheit $\Delta p_n$ nimmt mit steigender Kanalzahl $M$ ab und mit sinkender Detektionseffizienz $\eta$ zu. Für Zustände mit hoher Varianz ist eine hohe Anzahl von Kanälen notwendig, um eine präzise Bestimmung zu erreichen.

B. Parität und Wigner-Funktion

Die Arbeit untersucht auch die Bestimmung der Parität der Photonenzahlverteilung, die direkt mit dem Wert der Wigner-Funktion $W(0)$ am Ursprung des Phasenraums zusammenhängt:
$$W(0) = \frac{1}{\pi} \sum_{n=0}^{\infty} (-1)^n p_n$$

• Für gedrückte Vakuumzustände und ein-Photonen-subtrahierte Zustände (die eine definierte Parität haben) fallen die berechneten Schranken mit dem wahren Wert zusammen.
• Für thermische und kohärente Zustände hängt die Breite des Unsicherheitsfensters von der mittleren Photonenzahl $\bar{n}$ ab.
• Wichtiges Ergebnis: Mit einem Detektor-Array von $M=10$ Kanälen kann die Negativität der Wigner-Funktion (ein Zeichen für Nichtklassizität) für ein-Photonen-subtrahierte gedrückte Vakuumzustände bis zu $\bar{n} \approx 5.15$ eindeutig zertifiziert werden.

C. Schätzung der mittleren Photonenzahl ($\bar{n}$)

Da der Photonenzahloperator unbeschränkt ist, liefert die Klickstatistik allein keine endliche obere Schranke für $\bar{n}$ (kleine Populationen sehr hoher Fock-Zustände können den Mittelwert beliebig erhöhen).

• Der Autor zeigt, dass unter der minimalen Annahme, dass der Beitrag von Fock-Zuständen oberhalb eines Schwellenwerts $N$ vernachlässigbar ist, eine nützliche Schätzung möglich ist.
• Es wird ein einfacher Schätzer $\bar{n}_{est}$ vorgestellt, der auf der Klickstatistik basiert und für Zustände mit $n \le M$ exakt ist.
• Ergebnis: Obwohl die Unsicherheiten für einzelne $p_n$ groß sein können, sind die Unsicherheiten für den Mittelwert $\bar{n}$ oft viel kleiner, da sich die Fehler in den $p_n$ gegenseitig kompensieren (Antikorrelation).

D. Analytische Schranken

Für einfache Setup-Konfigurationen (Hanbury-Brown-Twiss) werden analytische Schranken für die Einzelphotonenwahrscheinlichkeit $p_1$ und die Zwei-Moden-Wahrscheinlichkeit $p_{1,1}$ hergeleitet. Diese basieren auf der Dualität der linearen Programme und liefern exakte Grenzen, die nur von den gemessenen „No-Click"-Wahrscheinlichkeiten abhängen.

4. Bedeutung und Fazit

Die Arbeit liefert einen rigorosen, nicht-annahmebehafteten Rahmen zur Quantifizierung der Unsicherheit bei der Rekonstruktion von Quantenzuständen aus unvollständigen Messdaten.

• Ressourcen-Management: Die Ergebnisse bieten quantitative Leitlinien, wie viele Detektionskanäle ($M$) notwendig sind, um einen bestimmten Zustand mit einer gewünschten Präzision zu charakterisieren. Dies ist entscheidend für das Design kosteneffizienter Experimente.
• Vermeidung von Fehlinterpretationen: Anstatt eine einzelne „beste" Verteilung (z. B. über Maximum-Entropy) zu wählen, die irreführend sein könnte, liefert der Ansatz Intervall-Schranken, die den tatsächlichen Informationsgehalt der Messdaten widerspiegeln.
• Allgemeine Anwendbarkeit: Die Methode der linearen Programmierung ist auf beliebige Messschemata übertragbar, bei denen die Messwahrscheinlichkeiten linear von den Photonenzahlwahrscheinlichkeiten abhängen und die Messung tomographisch unvollständig ist.

Zusammenfassend demonstriert Fiurášek, dass trotz der fundamentalen Unschärfe durch unvollständige Messungen präzise quantitative Aussagen über die Grenzen der Zustandsbestimmung möglich sind, was für die Validierung von Quantentechnologien essenziell ist.