Tomography of approximately Gaussian mixed states

Dans le monde de la physique quantique, il existe une classe spéciale d'états connus sous le nom d'états gaussiens. Ce sont les piliers de la technologie quantique moderne, formant l'ossature des systèmes utilisés pour les communications sécurisées, la détection ultra-précise et la téléportation d'informations. Leur grand avantage réside dans leur simplicité : ils peuvent être entièrement décrits par seulement deux informations, un peu comme un rapport météorologique pourrait résumer une journée complexe avec seulement une température moyenne et une mesure de la façon dont la température fluctue. Grâce à cette description compacte, les scientifiques peuvent reconstruire ces états efficacement en utilisant des mesures standards, sans avoir besoin de cartographier chaque détail d'un système infiniment complexe. Cependant, le monde réel est rarement parfait. Dans les expériences réelles, l'environnement introduit des tremblements et des fluctuations aléatoires, particulièrement dans la phase des ondes lumineuses utilisées pour transporter l'information. Un décalage de phase unique et fixe est inoffensif, mais une phase aléatoire et changeante qui varie d'une expérience à l'autre crée un mélange désordonné. Ce mélange n'est plus un état gaussien pur ; il devient un objet non gaussien complexe que les outils simples et standards ne peuvent décrire parfaitement.

Cela crée un véritable problème pour les chercheurs qui tentent de vérifier leurs dispositifs quantiques. Ils peuvent mesurer les propriétés moyennes et les fluctuations de la lumière, lesquelles pointent vers un état gaussien spécifique et idéal. Mais la lumière réelle sortant de la machine est un mélange légèrement différent et imparfait. L'écart entre la description idéale et la réalité désordonnée est l'erreur intrinsèque, tandis que l'incertitude causée par un nombre limité de mesures est l'erreur statistique. Jusqu'à présent, il était difficile de séparer ces deux sources d'erreur et de savoir exactement combien de mesures sont nécessaires pour obtenir une image fiable du système. Une équipe de chercheurs a développé un nouveau cadre pour résoudre ce problème. Ils traitent le problème comme une tâche d'apprentissage où le modèle est légèrement erroné, et ils fournissent une méthode rigoureuse pour certifier précisément à quel point la reconstruction peut être décalée.

Les chercheurs se sont concentrés sur un scénario où un signal quantique traverse un canal présentant un bruit de phase aléatoire. Même si l'entrée est un état gaussien parfait, la sortie devient un état mixte non gaussien parce que le bruit brouille la phase différemment à chaque fois. Pour comprendre cette sortie, l'équipe a proposé une stratégie en deux étapes. Premièrement, ils calculent la meilleure supposition gaussienne possible basée sur les moyennes et les fluctuations mesurées. Ensuite, ils utilisent une technique mathématique appelée troncature de l'espace de Fock pour mesurer la distance entre cette supposition et l'état réel et désordonné. Cette technique fonctionne en coupant le calcul à un certain niveau d'énergie, ignorant ainsi les événements de haute énergie extrêmement rares et improbables. Ce faisant, ils peuvent calculer une borne inférieure et une borne supérieure certifiées sur l'erreur, prouvant exactement quelle quantité d'information est perdue en prétendant que l'état désordonné est un état gaussien pur.

La seconde partie de leur travail traite du côté statistique du problème. Ils se sont demandé combien de mesures sont nécessaires pour s'assurer que les moyennes et les fluctuations estimées sont suffisamment proches des valeurs réelles. En supposant que les résultats des mesures suivent un schéma statistique spécifique où les valeurs aberrantes extrêmes sont très rares, ils ont dérivé une nouvelle règle pour le nombre d'échantillons nécessaires. Leur analyse montre que le nombre de mesures requises croît de manière prévisible à mesure que l'erreur autorisée diminue. Crucialement, ils ont découvert que lorsque le système est bien comportementé, l'erreur de la reconstruction dépend linéairement des erreurs de mesure, ce qui représente une amélioration significative par rapport aux méthodes précédentes qui suggéraient que l'erreur croîtrait beaucoup plus vite. Cela signifie que pour de nombreux systèmes pratiques, les scientifiques peuvent atteindre une grande précision avec moins de mesures que ce qui était auparavant jugé nécessaire.

Pour tester leurs idées, l'équipe a appliqué son cadre à un protocole spécifique conçu pour réduire le bruit de phase. Dans ce protocole, un signal quantique est divisé à travers plusieurs canaux, traité, puis recombiné. Si la recombinaison réussit, un signal de « heralded » (annonceur) indique qu'une sortie propre a été produite. Cependant, même après ce processus de nettoyage, l'état restant est toujours légèrement non gaussien en raison de la nature aléatoire du bruit. Les chercheurs ont utilisé leur nouvelle méthode pour quantifier exactement à quel point cet état nettoyé est non gaussien et combien de tentatives réussies sont nécessaires pour le reconstruire avec un niveau de précision souhaité. Ils ont découvert que bien que le protocole de nettoyage améliore la qualité de l'état, le bruit résiduel nécessite toujours un nombre spécifique de mesures pour être caractérisé avec précision. Leur méthode fournit un certificat qui dit exactement à l'expérimentateur quel degré de confiance accorder à l'état reconstruit, séparant l'erreur d'approximation inévitable du bruit statistique du processus de mesure.

La portée de ce travail réside dans sa capacité à fournir une garantie mathématique claire pour des expériences qui étaient auparavant trop désordonnées pour être analysées rigoureusement. En séparant l'erreur causée par les limites du modèle de l'erreur causée par des données limitées, les chercheurs offrent aux expérimentateurs un outil pour savoir quand ils ont recueilli suffisamment d'informations. Ils ont prouvé que pour des systèmes dotés d'une énergie bornée et de caractéristiques de bruit spécifiques, le nombre de mesures nécessaires évolue de manière gérable. Cela permet la conception d'expériences quantiques plus efficaces, où les ressources ne sont pas gaspillées dans une collecte de données inutile, et où les limites de ce qui peut être connu sont clairement définies. Le cadre ne prétend pas corriger le bruit ou rendre l'état parfaitement gaussien ; au contraire, il offre un moyen précis de mesurer l'imperfection et de comprendre le coût lié à son traitement.

En fin de compte, cette recherche comble le fossé entre le monde idéalisé de la théorie quantique et la réalité bruyante du laboratoire. Elle reconnaît que les états gausiens parfaits sont une fiction utile, mais une fiction qui peut être utilisée efficacement si nous savons exactement à quel point la fiction s'écarte de la réalité. En fournissant une méthode pour certifier cet écart et pour calculer l'effort nécessaire pour surmonter l'incertitude statistique, l'équipe a offert un nouveau standard pour la vérification des dispositifs quantiques. Leurs résultats suggèrent que même en présence d'un bruit inévitable, nous pouvons construire des technologies quantiques fiables et de haute précision, à condition de disposer des bons outils pour mesurer la distance entre ce que nous attendons et ce que nous voyons réellement.