Towards reconstructing quantum structured light on a quantum computer

Resumen Técnico: Reconstrucción de Luz Estructurada Cuántica en una Computadora Cuántica

1. El Problema
La Tomografía de Estado Cuántico (QST) es fundamental para caracterizar y verificar sistemas cuánticos, pero enfrenta desafíos significativos a medida que aumenta la dimensionalidad del sistema. Para estados de luz estructurada de alta dimensión (como fotones con momento angular orbital, OAM), el número de mediciones y parámetros de optimización necesarios crece exponencialmente ($O(d^n)$), creando cuellos de botella computacionales para los enfoques clásicos. Además, los algoritmos cuánticos existentes para resolver sistemas de ecuaciones lineales (como HHL) requieren circuitos profundos que son imprácticos para el hardware cuántico ruidoso actual (NISQ). El trabajo busca una alternativa viable para la reconstrucción de estados en dispositivos cuánticos actuales y ruidosos.

2. Metodología
Los autores proponen un enfoque de computación cuántica variacional para la reconstrucción de estados cuánticos dentro de un marco lógico discretizado. La metodología se basa en los siguientes pasos:

• Formulación del Problema: Se parte de la formulación clásica de mínimos cuadrados para la tomografía. Dadas las mediciones experimentales ($m$) y la matriz de medición ($T$), el objetivo es minimizar la función de costo cuadrática $f(\rho) = \|m - T\rho\|^2$.
• Mapeo a Modelo de Ising: La función de costo se transforma algebraicamente en un Hamiltoniano de Ising. Los elementos de la matriz de densidad ($\rho$) se mapean a variables de espín binarias mediante una transformación afín, convirtiendo el problema de reconstrucción en un problema de optimización combinatoria (QUBO - Optimización Binaria Cuadrática Sin Restricciones).
• Algoritmo Variacional (VQE): Se utiliza un Solver Variacional de Eigenvalores (VQE).
  • Un circuito cuántico parametrizado (ansatz) prepara un estado $|\psi(\theta)\rangle$.
  • Se evalúa el valor esperado del Hamiltoniano de Ising en hardware cuántico (o simulador).
  • Un optimizador clásico actualiza iterativamente los parámetros $\theta$ para minimizar la energía (costo).
• Ansatzes Probados: Se probaron tres arquitecturas de circuitos de un solo qubit sin puertas de entrelazamiento (dado que el Hamiltoniano es diagonal en la base computacional):
  1. Una sola capa de rotaciones $R_y$.
  2. Tres capas de rotaciones $R_y$.
  3. Un bloque universal de tres parámetros $\{R_z, R_y, R_z\}$.
• Datos de Entrada: Se utilizaron datos de coincidencia de fotones entrelazados generados mediante Conversión Paramétrica Descendente Espontánea (SPDC) no degenerada, codificados en el grado de libertad del OAM.

3. Contribuciones Clave

• Nuevo Marco Algebraico: Se establece un mapeo explícito desde los datos de proyección experimental hasta un Hamiltoniano de Ising, permitiendo que la reconstrucción de estados se resuelva mediante algoritmos variacionales en hardware NISQ.
• Validación Experimental: Demostración exitosa de la reconstrucción de estados de fotones entrelazados (simétricos y antisimétricos) utilizando hardware cuántico real (procesadores IBM ibmq_mumbai y ibmq_nazca).
• Eficiencia en Dispositivos Ruidosos: Se demuestra que arquitecturas de circuitos poco profundos (especialmente la capa única de $R_y$) convergen más rápido y son más robustas ante el ruido que las arquitecturas más profundas, lo cual es crucial para la era NISQ.
• Enfoque Complementario: Se presenta como una alternativa complementaria a la QST clásica, particularmente útil para sistemas de alta dimensión donde la optimización clásica se vuelve ineficiente.

4. Resultados

• Convergencia: Los algoritmos mostraron una convergencia fiable. Para datos experimentales, el costo alcanzó valores cercanos a -7.5 (el valor teórico ideal era -8.5), superando las limitaciones del ruido del hardware.
• Fidelidad: Las reconstrucciones lograron fidelidades superiores al 95% en todos los casos probados:
  • Simulaciones ideales: ~0.995 - 0.999.
  • Datos experimentales en hardware real: ~0.967 - 0.996.
• Comparación de Arquitecturas: La arquitectura más simple (una sola capa de $R_y$) resultó ser la más eficiente en términos de tiempo de convergencia para datos experimentales, mientras que las capas más profundas fueron más susceptibles al ruido y a la inestabilidad de la optimización.
• Reconstrucción de la Matriz de Densidad: Se logró reconstruir matrices de densidad de 4x4 (correspondientes a un sistema de dos qubits) a partir de distribuciones de cadenas de bits (bitstrings) obtenidas de las mediciones cuánticas, con una alta coincidencia con las soluciones de Máxima Verosimilitud (MLE) clásicas.

5. Significado e Impacto
Este trabajo es un concepto de prueba (proof-of-concept) que valida la viabilidad de utilizar algoritmos variacionales para la tomografía de estados cuánticos en hardware actual. Aunque no demuestra una ventaja cuántica sobre los métodos clásicos para sistemas de tan baja dimensión (2 qubits), establece una plataforma flexible y escalable para el futuro.

Su importancia radica en:

1. Escalabilidad: Ofrece un camino para abordar la reconstrucción de estados en sistemas de luz estructurada de alta dimensión, donde los métodos clásicos fallan debido a la complejidad exponencial.
2. Robustez: Demuestra que los algoritmos variacionales pueden funcionar de manera fiable incluso en dispositivos ruidosos, lo cual es esencial para la aplicación práctica de tecnologías cuánticas a corto plazo.
3. Nuevas Estrategias: Abre la puerta a estrategias híbridas (cuántico-clásicas) y técnicas de mitigación de errores para la caracterización de sistemas cuánticos complejos, como los utilizados en comunicaciones cuánticas de alta dimensión y computación cuántica fotónica.

En resumen, el artículo transforma un problema de inferencia estadística clásica en un problema de optimización de energía cuántica, demostrando que las computadoras cuánticas actuales pueden ser herramientas útiles para "ver" y reconstruir estados cuánticos complejos.