Reconstructing Quantum States and Expectations via Dynamical Tomography

Resumen Técnico: Tomografía Cuántica Dinámica (DQST)

1. Planteamiento del Problema

La reconstrucción de estados cuánticos desconocidos (tomografía) es una tarea fundamental en experimentos de información cuántica. Tradicionalmente, esto requiere un conjunto informacionalmente completo de observables (mediciones), lo cual implica un número de mediciones que crece exponencialmente con el tamaño del sistema ($d^2 - 1$ para un espacio de Hilbert de dimensión $d$). Para sistemas multipartitos grandes, esto se vuelve prohibitivo en términos de recursos experimentales.

El problema central abordado es: ¿Es posible reconstruir un estado cuántico (o las expectativas de ciertos observables) si solo tenemos acceso a un subconjunto limitado de observables, pero conocemos perfectamente la dinámica del sistema?

La propuesta es utilizar la evolución temporal del sistema. En lugar de medir muchos observables diferentes en un instante fijo, se permite que el sistema evolucione bajo una dinámica conocida y se miden los mismos observables en diferentes momentos. Esto permite "explorar" diferentes partes del espacio de estados mediante la evolución de los operadores en la imagen de Heisenberg.

2. Metodología y Marco Teórico

Los autores establecen un marco general basado en la teoría de sistemas de control, específicamente en el concepto de observabilidad.

• Formulación del Problema: Se define el problema de Tomografía Cuántica Dinámica (DQST) como la reconstrucción única del estado inicial $\rho_0$ a partir de las expectativas de un conjunto de observables $X$ medidos en un conjunto de tiempos $T$.
• Condiciones de Existencia (UDDA): Se introduce el concepto de estados Únicamente Determinados Dinámicamente entre Todos (UDDA). Un estado es UDDA si no existe otro estado que produzca las mismas trayectorias de expectativas para todos los observables y tiempos disponibles.
• Análisis de Observabilidad:
  • Se demuestra que la condición de que todos los estados sean UDDA es equivalente a que el sistema sea observable en el sentido de la teoría de sistemas lineales.
  • Se definen subespacios: el subespacio no observable ($N$) y el subespacio observable ($O$). El sistema es observable si $O = \mathcal{B}(\mathcal{H})$ (el espacio de todos los operadores).
• Herramientas Matemáticas:
  • Vectorización: Se utiliza la transformación de vectorización (vec) para convertir la evolución de operadores en un sistema lineal de ecuaciones diferenciales o en diferencias.
  • Matrices de Observabilidad: Se aplican condiciones de rango (Condición de Rango de Kalman) y pruebas PBH (Popov-Belevitch-Hautus) sobre matrices construidas a partir del generador de la dinámica ($L$ o $\Phi$) y los observables iniciales.
  • Métodos de Krylov: Para dinámicas generales, se utilizan subespacios de Krylov para caracterizar la viabilidad sin necesidad de simular trayectorias infinitas.

3. Contribuciones Clave

1. Marco General para Dinámicas CPTP: Se formaliza la equivalencia entre la viabilidad de DQST, la propiedad UDDA y la observabilidad del sistema para dinámicas generales de Completely-Positive Trace-Preserving (CPTP), no solo para las Markovianas.
2. Resultados para Dinámicas de Markov:
   • Se simplifican las pruebas de viabilidad para sistemas con generadores de semigrupo (continuo o discreto).
   • Dinámica Unitaria: Se demuestra que para sistemas cerrados (unitarios), se necesitan al menos $d$ observables linealmente independientes para garantizar la reconstrucción. Si solo hay un observable (más la identidad), la reconstrucción completa es imposible para $d > 2$.
   • Dinámica Disipativa (Abierta): Se demuestra un resultado crucial: para sistemas abiertos con dinámicas disipativas puras (generadores de Lindblad), es posible lograr DQST con un solo observable (además de la identidad) para redes de qubits. La disipación rompe la simetría que impide la observabilidad en sistemas unitarios.
3. Genericidad en Dinámicas Paramétricas: Se prueba que si un sistema es observable para un conjunto específico de parámetros (en dinámicas Markovianas paramétricas), entonces es observable para casi todos los conjuntos de parámetros (conjunto de medida cero para los casos no observables). Esto permite el uso de muestreo aleatorio para verificar la viabilidad.
4. Reconstrucción de Expectativas Parciales: Se aborda el problema de predecir la expectativa de observables que no se pueden medir directamente. Se demuestra que esto es posible si y solo si el observable objetivo pertenece al subespacio observable ($O$), incluso si el estado completo no es reconstruible.
5. Algoritmo de Selección (AOT): Se propone un procedimiento heurístico iterativo para seleccionar el conjunto óptimo de observables y tiempos de medición. El algoritmo selecciona secuencialmente el observable/tiempo que maximiza la proyección ortogonal al subespacio ya cubierto, maximizando la relación señal-ruido y minimizando el error cuadrático medio (MSE).

4. Resultados Experimentales y Simulaciones

Los autores validan su marco teórico con dos ejemplos físicos:

• Caso 1: Cadena de 4 Espines (Qubits):

  • Escenario Unitario: Con dinámicas puramente Hamiltonianas y mediciones locales, el sistema no es observable (el subespacio no observable tiene dimensión 10). Esto confirma que la tomografía completa es imposible con mediciones locales en cadenas grandes bajo evolución unitaria.
  • Escenario Disipativo: Al añadir un término disipativo local (un generador de Lindblad), el sistema se vuelve observable.
  • Optimización: El algoritmo AOT selecciona tiempos de medición relativamente cortos (menores a 2 veces el tiempo de decaimiento más lento) para reconstruir estados puros, entrelazados (GHZ) y térmicos con alta fidelidad. El error cuadrático disminuye linealmente con el número de mediciones.

• Caso 2: Sistema Acoplado Electrón-Núcleo (Centros NV en Diamante):

  • Se modela un sistema bipartito (espín electrónico y nuclear) donde solo se pueden medir observables en el electrón.
  • Resultado: El sistema completo no es observable (no se puede reconstruir el estado total).
  • Reconstrucción Parcial: Sin embargo, se demuestra que la expectativa del espín nuclear (que no se mide) sí es reconstruible porque pertenece al subespacio observable generado por la evolución del espín electrónico. Esto permite inferir información nuclear sin medir directamente el núcleo.

5. Significado e Impacto

• Reducción de Recursos: La DQST permite reducir drásticamente el número de tipos de sensores o configuraciones de medición necesarias, sustituyendo la diversidad espacial de observables por diversidad temporal.
• Ventaja de la Disipación: El trabajo destaca un hallazgo contraintuitivo pero fundamental: la disipación (ruido controlado) es beneficiosa para la tomografía. Mientras que la evolución unitaria a menudo oculta información en sistemas de muchos cuerpos con mediciones locales, la dinámica disipativa puede "mezclar" la información de manera que un solo sensor local sea suficiente para reconstruir el estado global.
• Herramientas de Control: La aplicación de la teoría de control (observabilidad) a la física cuántica proporciona un conjunto robusto de herramientas algebraicas para diseñar protocolos de caracterización de sistemas cuánticos.
• Aplicabilidad Práctica: El algoritmo de selección de observables (AOT) ofrece una vía práctica para implementar estos protocolos en laboratorios reales, donde los recursos de tiempo y medición son limitados.

En conclusión, el artículo establece que el conocimiento preciso de la dinámica, combinado con la observabilidad controlada, transforma limitaciones experimentales (pocos sensores) en oportunidades para la reconstrucción completa o parcial de estados cuánticos complejos.