Minimal Projective Measurement Settings for Estimating Multiple Observables

In der Quantenwelt müssen Wissenschaftler oft das durchschnittliche Verhalten vieler verschiedener Eigenschaften gleichzeitig kennen. Stellen Sie sich vor, Sie versuchen, ein komplexes Objekt zu beschreiben, indem Sie gleichzeitig dessen Farbe, Gewicht, Temperatur und Textur messen. In der Quantenphysik werden diese Eigenschaften als Observablen bezeichnet, und die Messung dieser Eigenschaften ist der einzige Weg, um den Zustand eines Systems zu verstehen, wie etwa einer Gruppe winziger Teilchen, die Qubits genannt werden. Die Herausforderung besteht darin, dass die Quantenmechanik eine strikte Regel hat: Man kann bestimmte Eigenschaften nicht gleichzeitig mit perfekter Präzision messen. Um dies zu umgehen, müssen Forscher normalerweise ihr Messgerät drehen, eine Ablesung vornehmen, es erneut drehen, eine weitere Ablesung vornehmen und diesen Prozess viele Male wiederholen. Jede Drehung und Messung ist eine „Einstellung“ (Setting), und je mehr Einstellungen erforderlich sind, desto mehr Zeit und Ressourcen werden verschwendet. Das Ziel für jeden Experimentalisten ist es, den effizientesten Weg zu finden, um alle notwendigen Informationen mit den wenigsten Einstellungen zu sammeln, wobei sichergestellt wird, dass keine Daten verworfen werden und keine unnötigen Schritte unternommen werden.

Ein Team von Forschern hat dieses Problem angegangen, indem es eine neue Methode entwickelte, um die absolute Mindestanzahl an Messungenstellungen zu bestimmen, die benötigt werden, um mehrere Quanteneigenschaften ohne Verzerrung zu schätzen. Sie konzentrierten sich auf eine spezifische Art der Messung, die sogenannte orthogonale projektive Messung, ein Standardwerkzeug in Quantenexperimenten. Anstatt zu raten oder auf Versuch und Irrtum zu setzen, kombinierten sie eine leistungsstarke Computersuche mit strengen mathematischen Beweisen, um die exakte Antwort für bestimmte Gruppen von Eigenschaften zu finden. Ihre Arbeit zeigt, dass die Anzahl der erforderlichen Einstellungen für bestimmte Aufgaben weit niedriger ist, als es bisher für möglich gehalten wurde, und dass das Teilen desselben Messaufbaus über verschiedene Eigenschaften hinweg die Präzision der Ergebnisse drastisch verbessern kann.

Die Forscher begannen mit einer grundlegenden Frage: Was ist angesichts einer spezifischen Liste von zu messenden Eigenschaften die kleinste Anzahl an Messungenstellungen, die alle von ihnen erfassen kann? Sie entdeckten, dass das bloße Zählen der Eigenschaften nicht ausreicht, um die Antwort zu bestimmen; die interne Struktur der Eigenschaften spielt eine ebenso große Rolle. Um dies zu lösen, entwickelten sie eine zweiteilige Strategie. Zuerst nutzten sie einen klassischen Computeralgorithmus, um nach den bestmöglichen Messungenstellungen zu suchen und zu ermitteln, wie die verfügbaren Daten unter ihnen aufgeteilt werden können. Zweitens entwickelten sie mathematische „Zeugen“ (Witnesses) – rigorose Tests, die beweisen können, dass es unmöglich ist, die Aufgabe mit weniger Einstellungen als einer bestimmten Anzahl zu bewältigen. Durch das Abgleichen der besten computergestützten Lösung mit diesen mathematischen Beweisen konnten sie die exakte Mindestanzahl der erforderlichen Einstellungen für spezifische Aufgaben zertifizieren, wodurch sie über einfache Schätzungen hinausgingen.

Einer ihrer bemerkenswertesten Funde betraf das kollektive Verhalten von nur zwei Qubits. Sie wollten die ersten und zweiten Momente ihres Spins messen, was beschreibt, wie die Teilchen orientiert sind und wie sie fluktuieren. Während eine einfache Zählung der Eigenschaften nahelegte, dass drei Einstellungen ausreichen könnten, zeigte ihr neuer mathematischer Beweis, dass drei Einstellungen tatsächlich unzurereichend sind. Sie bewiesen, dass vier Einstellungen streng notwendig und ausreichend sind, um diese neun Eigenschaften für jeden möglichen Eingangszustand zu messen. Darüber hinaus entwarfen sie einen spezifischen Vier-Einstellungen-Plan, der nahezu perfekt ist. Als sie diesen Plan testeten, lag der statistische Fehler nur etwa 0,0341 % über dem theoretisch bestmöglichen Fehler, eine Differenz, die so gering ist, dass sie fast vernachlässigbar ist. Dieses Ergebnis zertifiziert, dass für diese spezifische Aufgabe niemand besser als mit vier Einstellungen arbeiten kann, und ihr Design kommt dem idealen Limit unglaublich nahe.

Das Team testete seine Methode auch an einem komplexeren System mit vier Qubits und dreißig verschiedenen Eigenschaften. In diesem Fall fanden sie heraus, dass genau drei Einstellungen ausreichten, um alle Zielgrößen abzudecken, eine Zahl, die sowohl durch ihre Computersuche als auch durch ihre mathematischen Beweise bestätigt wurde. Um die Leistungsfähigkeit dieses Ansatzes zu zeigen, verglichen sie ihr gemeinsames Drei-Einstellungen-Design mit mehreren anderen gängigen Methoden. Sie stellten fest, dass ihre Methode weitaus effizienter war. Für das gleiche Präzisionsniveau benötigten andere Methoden etwa 4,1-mal so viele Kopien des Quantenzustands. Mit anderen Worten: Wenn eine Standardmethode 410 Messungen benötigt hätte, um ein klares Ergebnis zu erhalten, konnte ihr gemeinsames Design dieselbe Klarheit mit nur 100 Messungen erreichen. Dies verdeutlicht, dass man durch die sorgfältige Wahl der Messbasen, welche die Struktur der Eigenschaften ausnutzen, eine enorme Menge an experimenteller Zeit und Ressourcen einsparen kann.

Die Studie untersuchte auch, was passiert, wenn die Messungen nicht perfekt sind, was in realen Experimenten oft der Fall ist, in denen Schaltkreise eine begrenzte Tiefe aufweisen und Rauschen vorhanden ist. Sie simulierten ein Szenario mit sechs Qubits und sechsundneunzig Eigenschaften unter Verwendung flacher Schaltkreise (shallow circuits), die einen kleinen Fehler hinterlassen könnten. Selbst unter dieser Unvollkommenheit übertraf ihr gemeinsames Design andere Methoden für eine breite Palette von Stichprobengrößen. Die Ergebnisse zeigten, dass andere Methoden zwar schließlich aufholen könnten, wenn eine unendliche Anzahl von Messungen vorgenommen würde, das gemeinsame Design jedoch einen signifikanten Vorteil für jede praktische, endliche Anzahl von Messungen bot. Dies deutet darauf hin, dass die Strategie des Teilens von Messungenstellungen robust und nützlich ist, selbst wenn die experimentellen Bedingungen nicht ideal sind.

Letztendlich bietet diese Arbeit eine klare Roadmap für Quantenexperimente. Sie stellt fest, dass die Mindestanzahl der Einstellungen nicht nur eine Frage des Zählens ist, sondern von den tiefen mathematischen Beziehungen zwischen den gemessenen Eigenschaften abhängt. Durch die Kombination von Computeroptimierung mit strengen Beweisen haben die Forscher gezeigt, dass es möglich ist, die exakte Mindestanzahl an Einstellungen für spezifische Aufgaben zu finden und Messpläne zu entwerfen, die so effizient wie physikalisch möglich sind. Ihre Erkenntnisse bieten einen praktischen Weg, um die Kosten und die Zeit von Quantenexperimenten zu reduzieren und es einfacher zu machen, komplexe Quantensysteme mit größerer Präzision zu untersuchen.