Bosonic quantum error-correcting codes with finite stellar rank

Résumé technique : Codes de correction d'erreurs quantiques bosoniques à rang stellaire fini

Énoncé du problème
La correction d'erreurs quantiques (QEC) bosonique offre une voie prometteuse pour encoder des qubits logiques dans l'espace de Hilbert de dimension infinie d'un mode bosonique, en utilisant des états à variables continues comme les codes chat (cat codes) et les codes de Gottesman–Kitaev–Preskill (GKP) pour supprimer les bruits dominants tels que la perte de photons et la déphasage. Cependant, ces encodages sont intrinsèquement non gaussiens, nécessitant des ressources au-delà des opérations gaussiennes standards (par exemple, le déplacement et le pompage/squeezing). Dans des contextes expérimentaux pratiques, particulièrement dans les systèmes photoniques, les ressources non gaussiennes sont limitées et coûteuses à préparer. Le problème central abordé est de savoir comment des ressources non gaussiennes finies contraignent la précision de préparation des mots de code bosoniques et, par conséquent, leur performance de correction d'erreurs logiques. Plus précisément, il reste à déterminer quel est le coût de ressource minimal requis pour dépasser le point de « break-even » (surpasser un qubit non encodé) et si les mots de code idéaux restent optimaux lorsque des contraintes de préparation sont imposées.

Méthodologie
Les auteurs introduisent le rang stellaire ($r^\star$) comme une mesure de ressource, défini comme le nombre minimal d'additions de photons nécessaires pour générer un état non gaussien monomode à partir d'opérations gaussiennes arbitraires. Ils utilisent la fidélité stellaire ($f^\star_k$) pour quantifier la qualité de l'approximation d'un état cible avec un rang stellaire borné $k$.

L'étude se déroule en deux phases principales :

1. Approximation de familles de codes fixes : Les auteurs analysent les codes chat et GKP standards. Ils optimisent numériquement la fidélité stellaire de ces états cibles sous des contraintes de rang stellaire fini en optimisant sur les unitaires gaussiens (déplacement et pompage). Ils évaluent ensuite les mots de code approximatifs résultants sous des canaux de bruit de perte de photons et de déphasage en utilisant une récupération optimale (calculée via la programmation semi-définie) pour déterminer la fidélité du canal logique.
2. Optimisation directe des encodages : Dépassant les états cibles fixes, les auteurs optimisent directement les encodages bosoniques au sein de classes variationnelles contraintes par un rang stellaire $k$ fixe. Pour garantir la tractabilité computationnelle, ils utilisent la fidélité de récupération de Petz comme fonction objectif de substitution lors de la recherche, tandis que la performance finale est évaluée par récupération optimale. L'optimisation implique l'ajustement conjoint des paramètres gaussiens et des coefficients d'un état « noyau » dans la base de Fock.

Contributions clés et résultats

• Compromis dans les familles de codes fixes :

  • Pour les codes chat, l'étude révèle que des amplitudes cohérentes ($\alpha$) plus élevées nécessitent des rangs stellaires plus élevés pour atteindre une haute fidélité stellaire en raison de l'augmentation de la séparation dans l'espace des phases des composantes. La convergence vers une fidélité unitaire est non monotone en pratique en raison des paysages d'optimisation, des « plateaux » apparaissant là où les approximations de rang fini ne capturent que partiellement les structures rotationnelles.
  • Pour les codes GKP, les états moins amortis (paramètre de régularisation $\Delta$ plus petit), qui sont plus proches de la limite idéale à énergie infinie, nécessitent des rangs stellaires nettement plus élevés pour être approximés avec précision.
  • Analyse du break-even : Les approximations de rang fini peuvent dépasser le seuil de break-even avant que la préparation exacte ne soit réalisable. Pour les codes chat, le rang stellaire requis pour atteindre le break-even augmente avec l'amplitude $\alpha$. Pour les codes GKP sous perte de photons, le break-even est atteint à de faibles rangs stellaires ($k=3$ ou $4$), même pour des états ayant des fidélités stellaires très éloignées de l'unité. Cependant, sous déphasage, les approximations GKP de rang fini ne parviennent pas à dépasser le break-even dans la plage de rang étudiée.
  • Suboptimalité des codes idéaux : Une conclusion critique est que les mots de code optimaux dans la limite de ressources infinies (par exemple, les états GKP moins amortis avec un $\Delta$ plus petit) peuvent devenir sous-optimaux sous des contraintes de rang fini. L'erreur de préparation d'un état hautement non gaussien peut l'emporter sur ses propriétés intrinsèques de correction d'erreurs, rendant un état idéal plus facilement préparable, bien que « moins bon », plus performant en pratique.

• Encodages optimisés :

  • L'optimisation directe des encodages à rang stellaire fixe révèle des structures de code adaptées au bruit.
  • Sous perte de photons, les encodages optimisés évoluent de structures localisées de bas rang vers des fonctions de Wigner en grille (ressemblant aux états GKP) à mesure que $k$ augmente.
  • Sous déphasage, les encodages optimisés développent des structures approximatives de symétrie de rotation (ressemblant aux codes chat), favorisant une séparation plus large dans l'espace des phases.
  • Seuils de ressources : Pour le bruit de déphasage, un rang stellaire de $k=2$ est suffisant pour dépasser le break-even pour toutes les intensités de bruit considérées. Sous perte de photons, le rang stellaire requis augmente avec le taux de perte.
  • Comparaison de performance : À un rang stellaire fixe ($k=4$) et un taux de perte ($\kappa t = 10^{-2}$), l'encodage optimisé a obtenu une infidélité de canal plus faible ($1,99 \times 10^{-4}$) par rapport à l'approximation de rang fini d'un code chat standard ($3,41 \times 10^{-4}$) et d'un code binomial ($2,9 \times 10^{-3}$).

Signification
Cet article établit le rang stellaire comme une mesure de ressource opérationnellement significative pour la QEC bosonique, faisant le pont entre la théorie des ressources non gaussiennes et les contraintes pratiques de préparation d'état. Il démontre que le « meilleur » code n'est pas nécessairement celui qui possède les meilleures propriétés idéales de correction d'erreurs, mais plutôt celui qui équilibre la qualité intrinsèque du code et le coût de sa préparation. Les résultats fournissent des seuils de ressources concrets pour obtenir des avantages de correction d'erreurs et soulignent que l'optimisation adaptée au bruit peut produire des performances supérieures au sein d'un budget de ressource non gaussienne fixe par rapport à l'approximation de codes idéaux prédéfinis. Ce cadre est particulièrement pertinent pour les plateformes expérimentales où les opérations non gaussiennes sont limitées, comme les systèmes photoniques.