From Discrete to Continuous-Variable Systems via Jordan-Schwinger Tomographic Transformation

Cet article établit un pont théorique et pratique entre les systèmes quantiques à variables discrètes et continues en démontrant pour la première fois comment les applications de Jordan-Schwinger et Holstein-Primakoff agissent sur les représentations tomographiques et les fonctions de Wigner, permettant ainsi un transfert direct de données expérimentales entre ces architectures sans reconstruction de la matrice de densité.

L'essentiel

Imaginez que vous avez deux types de langages pour décrire le monde quantique, un peu comme si vous deviez traduire un livre écrit en chiffres romains (le monde discret, DV) vers un livre écrit en chiffres arabes (le monde continu, CV).

Jusqu'à présent, faire passer l'information d'un système à l'autre était un cauchemar. C'était comme essayer de transcrire une mélodie jouée sur un piano (continu) en la transformant en une série de claquements de doigts (discret), mais en passant obligatoirement par une étape intermédiaire très compliquée : il fallait d'abord écrire toute la partition musicale sur du papier, puis la réécrire, ce qui introduisait beaucoup d'erreurs et de bruit.

Cette nouvelle recherche, menée par Liubov Markovich et ses collègues, propose une méthode de traduction directe et instantanée.

Voici l'explication simple, avec quelques analogies pour mieux comprendre :

1. Le Problème : Deux Univers qui ne se parlent pas

• Le monde Discret (DV) : C'est celui des ordinateurs quantiques classiques (les qubits). Imaginez des interrupteurs qui sont soit "ON", soit "OFF" (0 ou 1). C'est comme des perles sur un collier : vous pouvez compter 1, 2, 3 perles.
• Le monde Continu (CV) : C'est celui de la lumière et des ondes. Imaginez une vague d'eau. Elle peut avoir n'importe quelle hauteur, n'importe quelle forme. Il n'y a pas de "pas" entre les valeurs, c'est fluide.

Le défi était de prendre les données d'une vague (CV) et de les transformer en perles (DV) sans perdre l'information, ou l'inverse. Avant, on devait reconstruire l'objet complet (la "densité") avant de le traduire, ce qui était lent et imprécis.

2. La Solution : Un "Pont Magique" (Les Cartes Jordan-Schwinger et Holstein-Primakoff)

Les auteurs ont utilisé deux outils mathématiques anciens (les cartes Jordan-Schwinger et Holstein-Primakoff) mais les ont appliqués d'une manière nouvelle et géniale.

Au lieu de reconstruire tout l'objet, ils ont créé un filtre intelligent (qu'ils appellent un "noyau" ou kernel).

L'analogie du tamis (ou du filtre à café) :
Imaginez que vous avez un seau plein de sable fin, de gravier et de gros cailloux (c'est votre système continu avec toutes ses énergies possibles).

• L'ancienne méthode : Vous deviez trier chaque grain un par un pour compter combien il y en a, puis essayer de deviner la forme du tas.
• La nouvelle méthode : Vous versez le tout dans un tamis spécial conçu pour ne laisser passer que les grains de la taille exacte que vous voulez (par exemple, seulement les grains qui correspondent à un système de 2 qubits).

Ce tamis mathématique fait deux choses en même temps :

1. Il traduit directement les mesures de la vague (CV) en probabilités de perles (DV).
2. Il comprime les données en jetant tout ce qui est inutile pour votre système cible.

3. Comment ça marche en pratique ?

Dans l'article, les chercheurs ont utilisé de vraies données expérimentales (des mesures de lumière faites avec un laser).

• Ils ont pris les données brutes de la lumière (le "tomogramme symplectique").
• Ils ont appliqué leur formule magique (l'intégrale avec le noyau).
• Résultat : Ils ont obtenu instantanément la description du système comme s'il était fait de qubits (le "tomogramme de spin"), sans jamais avoir besoin de calculer l'état complet et complexe de la lumière.

C'est comme si vous regardiez une photo floue d'une vague et que, grâce à une application, vous obteniez instantanément le dessin exact des perles qui la composent, sans avoir besoin de deviner la forme de la vague au préalable.

4. Pourquoi est-ce important ?

Cela ouvre la porte aux systèmes hybrides.
Imaginez un futur ordinateur quantique qui utilise :

• Des qubits (les perles) pour faire des calculs logiques rapides.
• Des modes de lumière (les vagues) pour stocker beaucoup d'informations ou pour communiquer à distance.

Grâce à ce travail, on peut maintenant vérifier si ces deux parties fonctionnent bien ensemble directement, en comparant leurs "langages" sans passer par une étape de reconstruction lente et bruyante. C'est essentiel pour tester la fiabilité des futurs ordinateurs quantiques et pour corriger les erreurs.

En résumé

Les auteurs ont construit un pont direct entre deux mondes quantiques différents. Au lieu de passer par une étape de reconstruction lourde et imparfaite, ils ont créé un filtre mathématique qui transforme directement les mesures d'un système (comme la lumière) en la description d'un autre (comme des spins), en éliminant le superflu et en préservant l'information cruciale. C'est une avancée majeure pour faire coopérer les différentes technologies quantiques de demain.

Résumé technique

1. Problématique

Le domaine de l'information quantique opère selon deux paradigmes complémentaires mais fondamentalement différents :

• Les systèmes à variables discrètes (DV) : Décrivent des systèmes de dimension finie (qubits, qudits, spins).
• Les systèmes à variables continues (CV) : Décrivent des systèmes de dimension infinie (modes optiques, modes de cavité micro-ondes, modes vibrationnels).

Bien que les architectures hybrides (combinant DV et CV) soient prometteuses, il existe un défi majeur pour transférer des concepts, des informations et des états entre ces plateformes. Les formalismes mathématiques diffèrent considérablement. Traditionnellement, pour passer d'une description CV (par exemple, des données de détection homodyne) à une description DV (par exemple, un état de spin), on suit un processus en trois étapes :

1. Reconstruction de la matrice de densité à partir des données expérimentales (problème inverse mal posé, sensible au bruit).
2. Application d'une projection de type Jordan-Schwinger sur cette matrice de densité.
3. Obtention de la représentation DV.

Ce processus est numériquement coûteux, instable (nécessitant des régularisations et des troncatures arbitraires de l'espace de Fock) et introduit des artefacts non physiques. De plus, les représentations probabilistes (tomogrammes) propres à chaque architecture sont généralement traitées séparément, sans lien direct entre elles au niveau des données brutes.

2. Méthodologie

Les auteurs proposent de construire un pont direct entre les systèmes DV et CV au niveau des représentations tomographiques (distributions de probabilité mesurables), en évitant la reconstruction intermédiaire de la matrice de densité.

Approche principale :

• Utilisation des cartes de Jordan-Schwinger (JS) et Holstein-Primakoff (HP) : Ces isomorphismes, bien connus au niveau des opérateurs, relient les algèbres de Lie (spins) aux opérateurs bosoniques.
  • La carte JS relie un spin $j$ à deux modes bosoniques avec un nombre total de particules fixe $n = 2j$.
  • La carte HP relie un spin $j$ à un seul mode bosonique, en considérant le nombre d'excitations comme une restriction sur un sous-espace de Fock.
• Restriction à un sous-espace d'excitation fixe : Les auteurs introduisent le concept d'état de Fock restreint, supporté sur un sous-espace de nombre d'excitations fixe $n=2j$. Cela permet d'établir un isomorphisme exact entre le sous-espace de Fock et l'espace de Hilbert du spin $j$.
• Formalisme Quantizer-Déquantizer : En utilisant ce formalisme, les auteurs définissent des noyaux de transformation (kernels) analytiques. Ces noyaux permettent de mapper directement les distributions de probabilité d'une architecture vers l'autre.
• Transformation Intégrale Directe : Au lieu de reconstruire l'état, ils proposent une transformation intégrale unique agissant directement sur les tomogrammes expérimentaux (par exemple, le tomogramme symplectique $W(x|\mu, \nu)$ ou le tomogramme à nombre de photons $w_r(\alpha)$) pour obtenir le tomogramme de spin $\omega_j(m, \Omega)$.

La relation fondamentale est donnée par :
$$\omega_{spin}(m, \Omega) = \int W_{opt}(x|\theta) K(m, \Omega; x, \theta) \, dx d\theta$$
où $K$ est un noyau analytique dérivé des cartes JS et HP.

3. Contributions Clés

1. Première démonstration explicite de l'action des cartes JS et HP sur les distributions de probabilité : L'article établit pour la première fois la correspondance directe entre les tomogrammes (probabilités de mesure) des systèmes CV et DV, étendant ces cartes du niveau des opérateurs au niveau des représentations statistiques classiques.
2. Noyaux de transformation analytiques fermés : Les auteurs dérivent des expressions analytiques exactes pour les noyaux de transformation (impliquant des polynômes de Laguerre et des matrices D de Wigner). Cela remplace les manipulations numériques lourdes de matrices de densité infinies par l'évaluation directe de fonctions spéciales.
3. Filtre d'information intrinsèque : La méthode agit comme un noyau de compression de données intrinsèque. Elle filtre automatiquement les secteurs de l'espace de Hilbert bosonique non pertinents pour la représentation cible (spin), ne conservant que le secteur d'excitation fixe $n=2j$.
4. Élimination de la reconstruction de la matrice de densité : La méthode permet d'obtenir le tomogramme d'une architecture cible directement à partir des données expérimentales d'une autre, sans passer par l'étape instable de reconstruction de la matrice de densité.
5. Validation sur données réelles : L'approche est validée expérimentalement en utilisant des données de tomographie homodyne réelles (issues de la littérature) pour reconstruire des tomogrammes de spin (spin-1/2 et spin-1) sans reconstruction préalable de l'état.

4. Résultats

• Correspondance Exacte : Dans le secteur d'excitation fixe, les cartes JS et HP établissent une correspondance biunivoque entre les tomogrammes de spin et les tomogrammes bosoniques (symplectiques, à nombre de photons, ou de Wigner).
• Stabilité Numérique : L'utilisation de noyaux analytiques évite les artefacts de troncature et les problèmes de régularisation associés aux méthodes de reconstruction de matrices de densité.
• Application aux Données Expérimentales : En utilisant des données homodynes réelles générant des états de type "chat de Schrödinger" (kittens), les auteurs ont réussi à reconstruire les tomogrammes de spin correspondants.
  • Ils ont démontré que les tomogrammes de spin reconstruits via leur méthode (en utilisant l'estimation de la fonction caractéristique KCFE) correspondent très bien aux prédictions théoriques.
  • Une analyse fine a permis d'ajuster un modèle d'état mixte pour tenir compte du bruit expérimental (décohérence et fuites de population), confirmant la robustesse de la méthode.
• Efficacité : La méthode permet de comparer directement des architectures hétérogènes en traduisant les données de mesure d'un système CV vers un espace de référence DV (ou vice-versa) de manière opérationnelle.

5. Signification et Impact

Ce travail fournit un cadre unifié pour le transfert et la comparaison de l'information quantique sur des plateformes matérielles hétérogènes.

• Benchmarking Hybride : Il permet de vérifier et de comparer les performances de dispositifs hybrides (qubits couplés à des oscillateurs) en utilisant des métriques de distance directes entre les tomogrammes, évitant les biais liés à la reconstruction d'état.
• Protocoles Hybrides : En facilitant le passage direct des données, cette méthode ouvre la voie à des protocoles de traitement d'information hybrides plus efficaces, où les avantages des variables discrètes (correction d'erreurs, logique) et continues (bande passante, robustesse) peuvent être exploités conjointement.
• Validation des Codes de Correction d'Erreurs : Elle offre un outil pour valider les schémas de correction d'erreurs qui reposent sur des mappings entre systèmes de dimension finie et infinie (comme les codes bosoniques).
• Limites et Perspectives : La méthode est exacte dans un secteur d'excitation fixe. Les auteurs notent que la limite "CV" usuelle peut être comprise comme une approximation d'un grand secteur fixe $n$, rendant cette restriction non limitante pour de nombreuses applications pratiques. Les travaux futurs viseront à étendre cette approche aux scénarios multi-modes et à analyser les erreurs d'estimation.

En résumé, cet article transforme les cartes algébriques classiques (JS, HP) en outils pratiques de traitement de données quantiques, permettant une traduction fluide et mathématiquement rigoureuse entre les mondes discret et continu de l'information quantique.