SSP-QST: Spectral Subspace Purification for Photonic Quantum State Tomography

Resumen Técnico: Purificación de Subespacio Espectral para la Tomografía de Estados Cuánticos Fotónicos (SSP-QST)

Planteamiento del Problema
La detección cuántica fotónica depende de sondas entrelazadas de bajo rango (por ejemplo, estados GHZ, Bell, NOON) para lograr una escala de precisión en el límite de Heisenberg ($1/n$). Sin embargo, la Tomografía de Estados Cuánticos (QST) práctica enfrenta un dilema fundamental de reconstrucción. La QST estándar de Mínimos Cuadrados (LS-QST) produce estimaciones de la matriz de densidad que son de rango completo debido a las fluctuaciones de las mediciones con un número finito de disparos (shots) y al ruido físico. Esta "contaminación de autovalores" infla la entropía estimada y reduce la Información de Fisher Cuántica (QFI), degradando la precisión de la detección posterior.

Por el contrario, la purificación simple de rango-1 (forzar la estimación a ser un estado puro) es estructuralmente sesgada para sondas del mundo real. Las sondas fotónicas prácticas suelen exhibir rangos efectivos $r > 1$ debido a desequilibrios en los divisores de haz, emisiones de multifotones, diafonía (crosstalk) en guías de onda y deriva de la fuente. Las soluciones existentes como el Computación Compresiva o la Estimación de Máxima Verosimilitud Iterativa (MLE) son demasiado costosas computacionalmente para la retroalimentación en tiempo real o requieren conocimiento previo del rango, el cual a menudo no está disponible.

Metodología: SSP-QST
Los autores proponen la Purificación de Subespacio Espectral para la Tomografía de Estados Cuánticos (SSP-QST), una capa de post-procesamiento no iterativa y de rango adaptativo aplicada a las salidas de una LS-QST estándar. El método opera en tres pasos:

1. Descomposición en Autovalores (Eigendecomposition): La estimación de la LS-QST ($\rho_{LS}$) se descompone en sus autovalores y autovectores.
2. Estimación del Suelo de Ruido Motivada por Weyl: Se calcula un umbral ($\epsilon_{th}$) para distinguir los modos de señal de los de ruido. Este umbral se deriva del teorema de perturbación de Weyl, que acota la desviación de los autovalores bajo ruido. La fórmula es:
   $$\epsilon_{th} = \frac{\hat{p}}{d-1} + \frac{0.5}{\sqrt{N_s}}$$
   donde $\hat{p} = \max(0, 1 - \lambda_d)$ es el nivel de ruido estimado derivado del autovalor dominante $\lambda_d$, $d$ es la dimensión del espacio de Hilbert, y $N_s$ es el número de disparos (shots). El primer término contabiliza la escala del ruido depolarizante, mientras que el segundo proporciona un margen para el número finito de disparos.
3. Selección de Subespacio y Renormalización: Los autovalores por debajo de $\epsilon_{th}$ se descartan. Los modos de autovectores restantes se renormalizan para asegurar que la traza sea 1, produciendo el estado purificado $\rho_{SSP}$.

El algoritmo incluye una lógica de "anulación de rango-1": si el segundo autovalor más grande es inferior a dos veces el umbral, el método recurre por defecto a una reconstrucción de rango-1, garantizando la seguridad contra la sobreestimación del rango. El costo computacional está dominado por una única descomposición en autovalores ($O(d^3)$), lo que lo hace adecuado para bucles de retroalimentación en tiempo real.

Contribuciones Clave

• Selección de Rango Basada en Datos: SSP-QST introduce un post-procesador de forma cerrada que selecciona el rango de reconstrucción directamente del espectro de autovalores sin requerir un rango previo o una optimización iterativa.
• Manejo Unificado de Sondas Puras y Mixtas: El método evita los dos modos de falla de la reconstrucción no adaptativa: no retiene estructuras de rango completo infladas por el ruido (como LS-QLST) ni descarta modos de señal válidos cuando la sonda tiene un rango $r > 1$ (como la purificación de rango-1).
• Análisis de Fidelidad Teórica: El artículo proporciona un análisis perturbativo que muestra que la eliminación de los automodes no pertenecientes a la señal mejora la fidelidad, con una ganancia que escala como $p(d-r)/d$. Esta ventaja es más pronunciada en el régimen de bajo rango ($r \ll d$) típico de las sondas fotónicas.
• Implementación de Baja Latencia: Al requerir solo una descomposición en autovalores y una renormalización, SSP-QST sirve como un primitivo ligero para procesos de detección orientados a la retroalimentación, compatible con implementaciones basadas en FPGA.

Resultados Experimentales
Los autores evaluaron SSP-QST utilizando simulaciones de Qiskit Aer con $n=4$ qubits ($d=16$) bajo modelos de ruido de depolarización, amortiguamiento de amplitud y amortiguamiento de fase.

• Fidelidad: A través de rangos de sonda $r=1$ a $r=7$, SSP-QST logró la mayor fidelidad de reconstrucción entre todas las líneas base no iterativas probadas (LS-QST, el cuadrado espectral y la extracción del autovector superior).
  • Para sondas de rango-1, igualó el rendimiento de la extracción del autovector superior ($F=1.000$).
  • Para estados mixtos ($r \ge 2$), superó significativamente a la extracción de rango-1, con ganancias de fidelidad que oscilan entre $+0.204$ y $+0.584$ sobre la extracción del autovector superior.
  • También superó al cuadrado espectral por $+0.008$ a $+0.051$.
• Eficiencia de Disparos (Shot Efficiency): SSP-QST demostró una mejora de $8\times$ en la eficiencia de disparos. Para una sonda de rango-3, SSP-QST logró una fidelidad de $0.956$ con solo $512$ disparos, mientras que LS-QST requirió $4096$ disparos para alcanzar solo $0.890$.
• Robustez: El método mantuvo ganancias de fidelidad positivas a través de un amplio rango de tasas de ruido depolarizante ($p \in [0, 0.22]$) y demostró robustez ante variaciones en la constante del umbral.
• Identificación de Rango: En simulaciones con niveles de ruido $p \le 0.10$, SSP-QST identificó correctamente el rango real de la sonda en los 20 ensayos para rangos del 2 al 6. Con mayor ruido, exhibió una "degradación elegante" al subestimar ligeramente el rango, un modo de falla seguro que evita añadir modos de señal no sustentados.
• Comparación con MLE Iterativo: Incluso cuando se le otorgó un presupuesto computacional equivalente a 400 iteraciones de Rho-Rho (MLE estándar), SSP-QST superó al método iterativo en fidelidad, ya que el método iterativo retenía un pedestal de ruido de rango completo que el SSP-QST logra purgar con éxito.

Significancia y Reivindicaciones
El artículo sostiene que SSP-QST proporciona un puente crítico entre la promesa teórica de la detección cuántica y su implementación práctica. Al recuperar el subespacio de señal de bajo rango sin conocimiento previo, evita la subestimación sistemática de la precisión de detección causada por la inflación de rango en la tomografía estándar.

Los autores enfatizan que SSP-QST está diseñado específicamente para procesos de detección orientados a la retroalimentación. Su naturaleza de forma cerrada ($O(d^3)$) le permite funcionar como un primitivo de reconstrucción en tiempo real, permitiendo que los controladores de retroalimentación por desplazamiento de parámetros corrijan la deriva coherente de la fuente (por ejemplo, el desplazamiento de una lámina de onda) utilizando una estimación de alta fidelidad. El artículo concluye que, si bien los resultados actuales se basan en simulaciones de software bajo modelos de ruido controlados, el método ofrece una herramienta de reconstrucción ligera y confiable que puede desplegarse en hardware reconfigurable (FPGAs) para mejorar la fiabilidad de la detección cuántica fotónica bajo restricciones de número finito de disparos. Se identifica como trabajo futuro la validación del método en plataformas fotónicas integradas y la extensión del principio de purificación espectral a la tomografía de procesos cuánticos.