A quantum color space for finite-shot RGB reconstruction in quantum image processing

Resumen Técnico: Un Espacio de Color Cuántico para la Reconstrucción RGB de Disparos Finitos

Planteamiento del Problema
El procesamiento de imágenes cuánticas (QIP) requiere representaciones de color que sean tanto compactas dentro de los registros cuánticos como recuperables a partir de estadísticas de medición de disparos finitos. Aunque las representaciones de imágenes cuánticas (QIR) existentes, como FRQI, MCQI y NEQR, se han centrado en la eficiencia de almacenamiento y el indexado, a menudo tratan el color como un valor para ser almacenado en lugar de abordar la organización geométrica de la información de color. Existe una brecha crítica en la comprensión de cómo las coordenadas RGB clásicas se mapean al espacio de estados cuánticos y cómo las perturbaciones de la medición de disparos finitos afectan la estabilidad de la reconstrucción del color. Los esquemas actuales suelen carecer de un marco claro sobre cómo los estimadores derivados de la medición se decodifican de vuelta a colores clásicos, particularmente cuando el espacio de color codificado es denso y los límites de decisión son estrechos.

Metodología
Los autores proponen un espacio de color cuántico basado en la esfera de Bloch que establece una correspondencia de preservación de estructura entre los valores RGB discretos y los parámetros de un solo qubit $(\theta, \phi)$.

1. Mapeo Geométrico:

   • Los tripletes RGB se mapean a coordenadas esféricas en la esfera de Bloch.
   • Ángulo Polar ($\theta$): Organiza los colores basándose en subgrupos de canales máximo–mínimo ($M_x, M_n$). Los colores que comparten el mismo $M_x$ y $M_n$ se asignan a bandas de latitud comunes.
   • Ángulo Azimutal ($\phi$): Codifica las trayectorias de permutación de canales dentro de cada banda de latitud.
   • Subespacio de Escala de Grises: El conjunto diagonal $\{(x,x,x)\}$ forma naturalmente un subespacio unidimensional donde la intensidad se codifica únicamente mediante $\theta$, haciendo que $\phi$ sea redundante.

2. Cuantización y Grillas:

   • El estudio evalúa tres grillas RGB cuantizadas: $64^3$, $128^3$ y $256^3$. Estas no son rangos de intensidad brutos, sino grillas de escala de visualización (por ejemplo, $128^3$ corresponde a $\{0, 2, 4, \dots, 254\}^3$).

3. Estrategia de Decodificación:

   • En lugar de asumir una inversión analítica exacta, el método utiliza una regla de Región de Punto (RoP) y Tabla de Búsqueda (LUT).
   • Los conteos de mediciones de disparos finitos se convierten en estimaciones angulares $(\hat{\theta}, \hat{\phi})$.
   • Estas estimaciones se decodifican en valores RGB determinando en qué región de decisión precomputada $I(r,g,b)$ caen los ángulos estimados.

4. Protocolos Experimentales:

   • Validación Píxel a Píxel: Cada píxel es procesado por un circuito independiente de dos qubits. Esto aisla la recuperabilidad intrínseca de disparos finitos.
   • Codificación de Imagen Completa con Registro de Posición: Todos los píxeles se codifican en un solo circuito utilizando qubits de posición. El presupuesto total de disparos se comparte entre todas las posiciones y ramas angulares, simulando un escenario más compacto pero de medición dispersa.
   • Conjuntos de Datos: MNIST (para validación del subespacio de escala de grises) y CIFAR-10 (para reconstrucción RGB).
   • Simulación: Simulaciones de Qiskit Aer sin modelos de ruido de hardware explícitos, centrándose en los efectos estadísticos de los disparos finitos.

Resultados Clave

• Reconstrucción de Escala de Grises (MNIST): El subespacio de escala de grises inducido demostró una alta estabilidad. La reconstrucción logró un Error Cuadrático Medio (MSE) promedio de 3.90 y una Relación Señal-Ruido de Pico (PSNR) de 42.44 dB. La naturaleza unidimensional de la diagonal de escala de grises ($\phi$ redundante) contribuyó a esta robustez.
• Reconstrucción RGB (CIFAR-10):
  • Compromiso de Cuantización-Separabilidad: La grilla $64^3$ produjo el mejor rendimiento (MSE: 81.29, PSNR: 29.84 dB, SSIM: 0.9313).
  • Grillas más Densas: La grilla $128^3$ mostró una degradación moderada, mientras que la grilla completa $256^3$ fue la que peor desempeño tuvo (MSE: 609.77, PSNR: 20.55 dB, SSIM: 0.7435).
  • Causa: Una mayor resolución de color nominal crea regiones de decisión angular (RoP) más estrechas. Los errores de estimación angular de disparos finitos, incluso si son pequeños, tienen más probabilidades de cruzar los límites de decisión en las grillas densas, lo que conduce a una decodificación de color errónea.
• Análisis por Disparos (Shot-Wise):
  • Aumentar el presupuesto de disparos mejora la precisión de la estimación angular. Sin embargo, para un error angular residual fijo, las grillas más gruesas ($64^3$) siguen siendo más robustas debido a sus regiones de decisión más amplias.
  • Cuello de Botella de la Asignación de Mediciones: En el modo de imagen completa con registro de posición, la calidad de la reconstrucción se degradó significamente en todas las grillas (MSE $\approx$ 890, PSمار $\approx$ 18.7 dB). El presupuesto de disparos compartido resultó en mediciones por posición/rama muy dispersas (aproximadamente 128 muestras por píxel/rama con 218 disparos totales), lo que hace imposible la recuperación fiable tanto de $\theta$ como de $\phi$ en comparación con el modo píxel a píxel.

Significancia y Reivindicaciones
El artículo argumenta que las representaciones de color cuánticas deben diseñarse no solo para un almacenamiento compacto, sino específicamente para una recuperación estable e interpretable a partir de mediciones de disparos finitos.

• Organización Geométrica: La construcción propuesta basada en la esfera de Bloch vincula explícitamente la geometría del cubo RGB clásico con los parámetros de estado cuántico, haciendo que la dependencia de la medición sea explícita.
• Estabilidad sobre Resolución: Los resultados desafían la suposición de que una mayor resolución de color clásica mejora automáticamente la reconstrucción cuántica. En cambio, la calidad de la reconstrucción está gobernada por el equilibrio entre la resolución nominal y la separabilidad angular de disparos finitos. Las grillas más gruesas proporcionan márgenes angulares más grandes, mejorando la robustez contra el ruido estadístico.
• Compromisos de Codificación: El estudio destaca un compromiso práctico entre la codificación compacta a nivel de imagen (registro de posición) y la recuperación fiable por píxel. Si bien la codificación compacta ahorra qubits, introduce un cuello de botella en la asignación de mediciones que limita severamente la fidelidad de la reconstrucción bajo presupuestos de disparos realistas.

Los autores concluyen que los futuros marcos de procesamiento de imágenes cuánticas deben priorizar estrategias de recuperación estables a la medición, tales como la partición adaptativa del espacio de color y la decodificación basada en verosimilitud, en lugar de centrarse únicamente en la eficiencia de los qubits.