Linear Program Witness for Network Nonlocality in Arbitrary Networks

Sintesi Tecnica: Testimone di Programmazione Lineare per la Nonlocalità di Rete in Reti Arbitrarie

Definizione del Problema
La nonlocalità di rete estende il concetto di nonlocalità di Bell a sistemi che coinvolgono molteplici sorgenti indipendenti che distribuiscono informazioni a parti spazialmente separate. Mentre la nonlocalità di Bell si basa sulla violazione del realismo locale, la nonlocalità di rete aggiunge il vincolo dell'indipendenza delle sorgenti. Una sfida fondamentale nella certificazione della nonlocalità di rete è che, a differenza delle standard correlazioni locali che formano un insieme convesso, l'insieme delle correlazioni locali di rete è non convesso. Questa non convessità rende inefficaci gli standard strumenti di ottimizzazione convessa e rende il compito di certificazione altamente non banale. I metodi esistenti spesso si affidano a disuguaglianze non lineari specifiche per la rete o a tecniche basate sull'inflazione, le quali ultime soffrono di una crescita combinatoria dei vincoli all'aumentare delle variabili locali, diventando spesso computazionalmente intrattabili.

Metodologia
Gli autori propongono una metodologia generale per costruire un testimone di Programmazione Lineare (LP) per la nonlocalità di rete. L'approccio trasforma il problema di fattibilità non convesso di determinare se le statistiche osservate ammettono un modello locale di rete in un test di fattibilità LP convesso. La procedura prevede tre fasi primarie:

1. Enumerazione delle Strategie Deterministiche: Gli autori enumerano lo spazio delle strategie deterministiche delle variabili locali (LV). Per una rete con $M$ sorgenti indipendenti, a ciascuna sorgente $S_m$ viene assegnata una LV $\lambda_m$ che detta quale parte riceve un "segnale" (ad esempio, un fotone). Lo spazio delle strategie congiunte $\mathcal{D}$ è il prodotto cartesiano delle singole strategie delle sorgenti.
2. Isolamento di un Sottoinsieme di Esiti Amenabile: Per gestire la non convessità, il metodo isola un sottoinsieme specifico di esiti osservati, denotato con $\mathcal{O}_S$. Questo sottoinsieme è scelto in modo tale che la sua pre-immagine nello spazio delle strategie, $\mathcal{S}$, possa essere decomposta in regioni disgiunte. Questa decomposizione è cruciale per definire vincoli che siano lineari nella distribuzione di probabilità ausiliaria.
3. Costruzione di Cinque Classi di Vincoli: Il cuore del metodo è la formulazione di un LP su una distribuzione ausiliaria $q(a, \lambda)$, che si relaziona alle statistiche osservate $p(a)$ e alla distribuzione sottostante delle LV. L'LP è definito da cinque classi di vincoli lineari:
   • Classe 1 (Validità della Distribuzione): Assicura che $q(a, \lambda)$ sia una distribuzione di probabilità valida (non negatività e normalizzazione).
   • Classe 2 (Accordo Marginale): Impone che la marginale di $q$ sulle strategie corrisponda alle statistiche osservate rinarteizzate $p(a)$ all'interno del sottoinsieme $\mathcal{O}_S$.
   • Classe 3 (Distribuzione delle Strategie): Vincola la distribuzione marginale delle strategie $q(\lambda)$ basandosi sulle proprietà di fattorizzazione richieste dalla località di rete (indipendenza delle sorgenti).
   • Classe 4 (Indipendenza Condizionale): Impone che le marginali locali per una parte dipendano solo dalle LV delle sorgenti collegate a quella parte.
   • Classe 5 (Asimmetria del Dominio): Cattura il "bias" o l'asimmetria nel campionamento delle LV necessario per riprodurre i dati osservati. Questa classe sfrutta il fatto che specifici esiti possono derivare da regioni disgiunte dello spazio delle LV, permettendo la derivazione di vincoli lineari sulla differenza di probabilità tra queste regioni.

Se l'LP risultante è inammissibile, esso funge da condizione sufficiente per certificare che le statistiche osservate esibiscono nonlocalità di rete.

Contributi Chiave

• Framework LP Generale: Il documento introduce una procedura sistematica per generare testimoni LP per topologie di rete arbitrarie, andando oltre le disuguaglianze non lineari specifiche per la rete.
• Cinque Classi di Vincoli: Gli autori definiscono cinque classi generiche di vincoli lineari. Mentre le Classi 1 e 2 sono indipendenti dalla rete, le Classi 3–5 sono adattate alla specifica struttura della rete ma rimangono lineari, evitando l'esplosione computazionale dei metodi di inflazione.
• Applicazione a Reti ad Anello: La metodologia è applicata a una famiglia di reti ad anello con $N$ parti e $M = 2N/3$ sorgenti indipendenti. Gli autori derivano le forme analitiche dei vincoli per questa specifica topologia.
• Implementazione Fotonica: Il metodo è dimostrato su un setup fotonico concreto che coinvolge reti ad anello a $N$ parti dove le sorgenti emettono stati W a singolo fotone e le parti utilizzano beam splitter sintonizzabili con detector click/no-click.

Risultati
Gli autori hanno applicato il loro testimone LP a una specifica rete ad anello a 6 parti e 4 sorgenti.

• Certificazione della Nonlocalità: L'LP è stato risolto numericamente utilizzando solver standard (ECOS, SCS, GLPK). I risultati hanno dimostrato l'inammissibilità (e quindi hanno certificato la nonlocalità di rete) per un intervallo di valori di trasmittanza del beam splitter $t \in (0, 0.292) \cup (0.708, 1)$.
• Fattibilità agli Estremi: L'LP è stato trovato ammissibile per $t=0$ e $t=1$, casi in cui il beam splitter non agisce come una misura di entanglement, il che è coerente con le aspettative teoriche.
• Scalabilità: Gli autori notano che il numero di variabili decisionali nel loro LP scala con la dimensione del set di esiti ristretto $|\mathcal{O}_S|$ e la pre-immagine $|\mathcal{S}|$. Essi sostengono che tale scalabilità sia generalmente più favorevole rispetto ai metodi basati sull'inflazione, che scalano fattorialmente con l'ordine di inflazione, e migliore rispetto alla piena enumerazione delle strategie deterministiche per grandi dimensioni di input/output.

Significatività e Rivendicazioni
Il lavoro sostiene di far avanzare la ricerca di testimoni efficienti per certificare la nonlocalità di rete in diverse architetture di reti quantistiche. Sfruttando la programmazione lineare, il metodo offre un'alternativa trattabile alla ottimizzazione polinomiale non convessa e alle tecniche di inflazione computazionalmente costose. Gli autori sottolineano che il loro approccio si basa esclusivamente su probabilità osservate e su un parametro sperimentale sintonizzabile, rendendolo operativamente rilevante per protocolli device-independent.

Il lavoro è modesto nella sua portata, osservando che l'inammissibilità è una condizione sufficiente ma non necessaria per la nonlocalità di rete; una soluzione ammissibile non garantisce l'esistenza di un modello di località di rete. Inoltre, sebbene il metodo certifichi la nonlocalità di rete, gli autori chiariscono che distinguere tra nonlocalità di rete "completa" (tutte le sorgenti nonlocal) e nonlocalità di rete "genuina" (almeno una misura di entanglement) richiederebbe di escludere i modelli misti, il che va oltre l'attuale ambito del testimone. Il contributo primario è la fornitura di un framework generale per la costruzione di testimoni LP, dimostrato efficacemente su reti ad anello.