Bounding Kirkwood-Dirac negativity of Gaussian processes

Resumen Técnico: Acotación de la Negatividad de Kirkwood-Dirac en Procesos Gaussianos

Planteamiento del Problema
La distribución de cuasiprobabilidad de Kirkwood-Dirac (KD) proporciona una representación operacional de los estados cuánticos, donde su negatividad sirve como una medida rigurosa de la noclasicidad, vinculada a fenómenos como la contextualidad, la coherencia y el entrelazamiento. Si bien la distribución KD ha sido estudiada extensamente en sistemas de variables discretas y en contextos específicos de variables continuas (CV), se desconoce una caracterización completa de sus valores extremos (límites) para procesos gaussianos generales. Específicamente, no está claro qué estados maximizan o minimizan la negatividad de KD dentro del régimen gaussiano y si los recursos no gaussianos son estrictamente necesarios para alcanzar estos extremos.

Metodología
Los autores investigan la cuasiprobabilidad de KD de un estado cuántico arbitrario que se somete a una secuencia de $N$ mediciones dentro de un proceso gaussiano de $M$ modos. La dinámica está gobernada por Hamiltonianos cuadráticos (unitarias gaussianas), y las mediciones se modelan como medidas de operadores positivos de valor determinado (POVM) con características gaussianas.

La metodología procede a través de los siguientes pasos:

1. Formalismo: La distribución KD $Q(r)$ se define mediante un operador de marco $\hat{F}(r)$ construido a partir de mediciones secuenciales y evoluciones unitarias. La negatividad total $\mathcal{N}$ se cuantifica como la integral del valor absoluto de $Q(r)$ sobre el espacio de fase.
2. Representación Gaussiana: Utilizando la representación de Weyl, los autores mapean los operadores a funciones del espacio de fase. Para los procesos gaussianos, las funciones características son gaussianas, lo que permite expresar la distribución KD en términos de matrices de covarianza ($\sigma$) y transformaciones simpléticas ($G$).
3. Derivación Analítica:
   • Límite Superior: Los autores derivan un límite superior global para la negatividad para cualquier $M$ y $N$ utilizando la desigualdad de Cauchy-Schwarz aplicada al integrando de la definición de negatividad.
   • Optimización: Para el caso específico de un solo modo ($M=1$) y dos mediciones ($N=2$), el problema se reduce a optimizar sobre la matriz de covarianza del estado de entrada. Los autores explotan la correspondencia entre las matrices de covarianza de un solo modo y los eventos en un espacio-tiempo de Minkowski de $(2+1)$ dimensiones. Este mapeo geométrico permite que el problema de optimización sea tratado como la cinemática de una partícula en un sistema de centro de masas.
   • Monotonía: Los autores demuestran que la negatividad de KD es una monotona de Loewner no creciente con respecto a la matriz de covarianza del estado gaussiano de entrada. Este resultado restringe la búsqueda de los extremos globales al conjunto de estados gaussianos puros (donde el determinante de la matriz de covarianza es la unidad).
4. Verificación No Gaussiana: Para probar la suficiencia de los estados gaussianos, los autores calculan la negatividad de KD para estados de Fock comprimidos (squeezed Fock states) y superposiciones de estados coherentes (estados gato par e impar).

Contribuciones Clave y Resultados

• Límite Superior General (Teorema 1): El artículo establece un límite superior cerrado para la negatividad de KD de cualquier estado que se someta a un proceso gaussiano de $M$ modos y $N$ mediciones. El límite depende únicamente de las matrices de covarianza de los pares de medición y de las unitarias simpléticas que impulsan la evolución:
  $$\mathcal{N} \leq \frac{(2\pi)^{MN}}{4} \sqrt{\prod_{i=1}^{N-1} \det[\sigma(G_i) + \sigma(G_{i+1})]}$$
  donde $\sigma(G_j)$ representa la matriz de covarianza transformada de la $j$-ésima medición.

• Valores Extremos para Procesos de Un Solo Modo y Dos Mediciones (Teorema 2):

  • Máximo: El máximo global de la negatividad de KD es saturado por estados gaussianos en el límite de compresión infinita (correspondiente a autoestados de cuadratura).
  • Mínimo: Para estados de entrada gaussianos puros, existe un mínimo global no trivial. Su magnitud está gobernada por el determinante de la suma de las covarianzas de las mediciones.
  • Suficiencia de los Estados Gaussianos: El análisis demuestra que el máximo posible de negatividad es alcanzable utilizando únicamente estados gaussianos.

• Análisis de Estados No Gaussianos: Los autores calculan la negatividad para estados de Fock comprimidos y estados gato. Los resultados muestran que, si bien estos estados no gaussianos exhiben una negatividad significativa, no exceden el límite superior derivado para los procesos gaussianos. Específicamente, a medida que el número de Fock $n$ o la amplitud del estado gato $\alpha$ aumentan, la negatividad se aproxima al promedio de los valores extremos en lugar del máximo, lo que sugiere que la noclasicidad máxima en este contexto se localiza en el régimen de parámetros intermedios accesible por los estados gaussianos.

Significado y Reivindicaciones
El artículo afirma llenar un vacío crítico en la caracterización de las distribuciones de KD para procesos gaussianos. El significado principal radica en el hallazgo de que los estados gaussianos son suficientes para alcanzar los valores extremos de la negatividad de KD.

Contrario a la intuición de que podrían requerirse recursos altamente no gaussianos (como estados de Fock o estados gato) para maximizar las medidas de noclasicidad, los autores demuestran que el límite superior teórico es saturado por estados gaussianos adecuadamente diseñados (específicamente, autoestados de cuadratura en el límite de compresión infinita). Esto implica que para aplicaciones que dependen de la máxima negatividad de KD —como la termodinámica cuántica (extracción de trabajo), la metrología (límites de varianza en la estimación de parámetros) y la certificación de recursos cuánticos— la preparación de estados no gaussianos complejos puede no ser necesaria. Los resultados sugieren que los recursos gaussianos por sí solos pueden proporcionar la ventaja cuántica asociada con la máxima negatividad de KD en escenarios de medición secuencial.