Bosonic quantum error-correcting codes with finite stellar rank

Resumen Técnico: Códigos de Corrección de Errores Cuánticos Bosónicos con Rango Estelar Finito

Planteamiento del Problema
La corrección de errores cuánticos (QEC) bosónica ofrece una vía prometedora para codificar cúbits lógicos en el espacio de Hilbert de dimensión infinita de un modo bosónico, utilizando estados de variables continuas como los códigos cat y los códigos de Gottesman–Kitaev–Preskill (GKP) para suprimir el ruido dominante, como la pérdida de fotones y la desfasación. Sin embargo, estas codificaciones son intrínsecamente no gaussianas, lo que requiere recursos más allá de las operaciones gaussianas estándar (por ejemplo, desplazamiento y compresión o squeezing). En entornos experimentales prácticos, particularmente en sistemas fotónicos, los recursos no gaussianos son limitados y costosos de preparar. El problema central abordado es cómo los recursos no gaussianos finitos restringen la precisión de la preparación de los codewords bosónicos y, consecuentemente, su rendimiento de corrección de errores lógicos. Específicamente, no está claro qué costo de recurso mínimo se requiere para superar el punto de "equilibrio" (break-even) —superando a un cúbit no codificado— y si los codewords ideales siguen siendo óptimos cuando se imponen restricciones de preparación.

Metodología
Los autores introducen el rango estelar ($r^\star$) como una medida de recurso, definida como el número mínimo de adiciones de fotones requeridas para generar un estado no gaussiano de un solo modo dadas operaciones gaussianas arbitrarias. Utilizan la fidelidad estelar ($f^\star_k$) para cuantificar la calidad de aproximar un estado objetivo con un rango estelar acotado $k$.

El estudio procede en dos fases principales:

1. Aproximación de Familias de Códigos Fijos: Los autores analizan los códigos cat y los códigos GKP estándar. Optimizan numéricamente la fidelidad estelar de estos estados objetivo bajo restricciones de rango estelar finito mediante la optimización de unitarias gaussianas (desplazamiento y compresión). Luego, evalúan los codewords aproximados resultantes bajo canales de ruido de pérdida de fotones y desfasación utilizando recuperación óptima (calculada mediante programación semidefinida) para determinar la fidelidad del canal lógico.
2. Optimización Directa de Codificaciones: Más allá de los estados objetivo fijos, los autores optimizan directamente las codificaciones bosónicas dentro de clases variacionales restringidas por un rango estelar fijo $k$. Para asegurar la tractabilidad computacional, utilizan la fidelidad de recuperación de Petz como una función objetivo sustituta durante la búsqueda, mientras que el rendimiento final se evalúa mediante recuperación óptima. La optimización implica el ajuste conjunto de parámetros gaussianos y los coeficientes de un estado "núcleo" en la base de Fock.

Contribuciones Clave y Resultados

• Compromisos en Familias de Códigos Fijos:

  • Para los códigos cat, el estudio revela que amplitudes coherentes más altas ($\alpha$) requieren rangos estelares más altos para lograr una alta fidelidad estelar debido al aumento de la separación en el espacio de fase de los componentes. La convergencia hacia la fidelidad unitaria es no monótona en la práctica debido a los paisajes de optimización, apareciendo regiones de "meseta" donde las aproximaciones de rango finito capturan solo estructuras rotacionales parciales.
  • Para los códigos GKP, los estados menos amortiguados (menor parámetro de regularización $\Delta$), que están más cerca del límite ideal de energía infinita, requieren rangos estelares significativamente más altos para aproximarse con precisión.
  • Análisis de Equilibrio (Break-even): Las aproximaciones de rango finito pueden superar el umbral de equilibrio antes de que la preparación exacta sea alcanzable. Para los códigos cat, el rango estelar requerido para superar el equilibrio aumenta con la amplitud $\alpha$. Para los códigos GKP bajo pérdida de fotones, el equilibrio se logra con rangos estelares bajos ($k=3$ a $4$), incluso para estados con fidelidades estelares alejadas de la unidad. Sin embargo, bajo desfasación, las aproximaciones de rango finito de GKP no logran superar el equilibrio dentro del rango de rango estudiado.
  • Suboptimalidad de los Códigos Ideales: Un hallazgo crítico es que los codewords óptimos en el límite de recursos infinitos (por ejemplo, estados GKP menos amortiguados con un $\Delta$ menor) pueden volverse subóptimos bajo restricciones de rango finito. El error de preparación de un objetivo altamente no gaussiano puede superar sus propiedades intrínsecas de corrección de errores, haciendo que un estado ideal "peor", pero más fácil de preparar, rinda mejor en la práctica.

• Codificaciones Optimizadas:

  • La optimización directa de codificaciones a un rango estelar fijo revela estructuras de código adaptadas al ruido.
  • Bajo pérdida de fotones, las codificaciones optimizadas evolucionan desde estructuras localizadas de bajo rango hacia funciones de Wigner de tipo rejilla (similares a los estados GKP) a medida que $k$ aumenta.
  • Bajo desfasación, las codificaciones optimizadas desarrollan estructuras de aproximación de simetría de rotación (similares a los códigos cat), favoreciendo una mayor separación en el espacio de fase.
  • Umbrales de Recurso: Para el ruido de desfasación, un rango estelar de $k=2$ es suficiente para superar el equilibrio para todas las intensidades de ruido consideradas. Bajo pérdida de fotones, el rango estelar requerido aumenta con la tasa de pérdida.
  • Comparación de Rendimiento: A un rango estelar fijo ($k=4$) y una tasa de pérdida ($\kappa t = 10^{-2}$), la codificación optimizada logró una infidelidad de canal menor ($1.99 \times 10^{-4}$) en comparación tanto con la aproximación de rango finito de un código cat estándar ($3.41 \times 10^{-4}$) como con un código binomial ($2.9 \times 10^{-3}$).

Significancia
Este artículo establece el rango estelar como una medida de recurso operativamente significativa para la QEC bosónica, uniendo la teoría de recursos no gaussianos con las restricciones prácticas de preparación de estados. Demuestra que el "mejor" código no es necesariamente aquel con las mejores propiedades ideales de corrección de errores, sino aquel que equilibra la calidad intrínseca del código con el costo de su preparación. Los resultados proporcionan umbrales de recursos concretos para lograr ventajas de corrección de errores y resaltan que la optimización adaptada al ruido puede producir un rendimiento superior dentro de un presupuesto fijo de recursos no gaussianos en comparación con la aproximación de códigos ideales predefinidos. Este marco es particularmente relevante para plataformas experimentales donde las operaciones no gaussianas son limitadas, como los sistemas fotónicos.