Quantum randomness beyond projective measurements

Riepilogo Tecnico: Casualità Quantistica Oltre le Misurazioni Proiettive

Enunciato del Problema
L'imprevedibilità intrinseca delle misurazioni quantistiche è una risorsa fondamentale per la generazione di numeri casuali quantistici (QRNG). In scenari avversari, la sicurezza di tale casualità dipende dall'incapacità di un intercettatore (Eve), che possa detenere correlazioni quantistiche o classiche con il dispositivo di misurazione, di indovinare correttamente i risultati. Sebbene sia noto che le misurazioni estreme—quelle che non possono essere decomposte in una miscela probabilistica di altre misurazioni—siano sicure contro tali avversari, rimane aperta una specifica domanda quantitativa: esattamente quanta casualità intrinseca può essere generata da una data misurazione estrema?

Lavori precedenti hanno stabilito che la massima entropia minima condizionata (una misura della casualità) raggiungibile in dimensione $d$ è limitata superiormente da $2 \log d$ bit. Tuttavia, la caratterizzazione della casualità generata da classi specifiche di misurazioni estreme, in particolare quelle unbiased (non distorte), per stati di ingresso arbitrari è rimasta incompleta. Questo articolo colma il divario nella comprensione della casualità intrinseca delle Misure a Operatore Positivo Valore (POVM) estreme di rango uno unbiased e esplora se specifiche famiglie di misurazioni possano saturare il massimo teorico di $2 \log d$ bit.

Metodologia
Gli autori operano all'interno di un framework dipendente dal dispositivo, assumendo una caratterizzazione completa sia dello stato quantistico $\rho$ sia della POVM $M$. La casualità intrinseca è quantificata tramite l'entropia minima condizionata, $H_{\min}(\rho, M) = -\log P_{\text{guess}}(\rho, M)$, dove $P_{\text{guess}}$ è la probabilità di indovinare ottimale di un intercettatore. Tale probabilità è definita come il massimo su tutte le decomposizioni probabilistiche dello stato $\rho$ in stati puri $\{p_j, \rho_j\}$:
$$P_{\text{guess}}(\rho, M) = \max_{\{p_j, \rho_j\}} \sum_j p_j \text{tr}(\rho_j M_j).$$

Il lavoro utilizza diversi strumenti matematici:

1. Geometria Convessa e Fedeltà: Gli autori collegano la probabilità di indovinare alla fedeltà quantistica tra lo stato di ingresso e l'involucro convesso dei proiettori di misurazione.
2. Programmazione Semidefinita (SDP): I problemi di ottimizzazione riguardanti la discriminazione degli stati e le probabilità di indovinare sono formulati e risolti utilizzando la dualità SDP e le condizioni di Karush-Kuhn-Tucker (KKT).
3. Rappresentazione del Vettore di Bloch: Per sistemi di qubit ($d=2$), l'analisi utilizza la notazione del vettore di Bloch per parametrizzare esplicitamente le misurazioni estreme unbiased e risolvere per gli stati ottimali.
4. Covarianza di Gruppo e Simmetria: Lo studio sfrutta le proprietà delle misurazioni SIC (Symmetric Informationally Complete) e introduce nuove famiglie di misurazioni da esse derivate.

Contributi e Risultati Chiave

1. Misurazioni SIC Distorte e Casualità Massimale
Gli autori introducono una famiglia di POVM SIC "distorte" (skewed). A differenza delle SIC standard, che sono unbiased e producono una distribuzione uniforme dallo stato massimamente misto, le SIC distorte sono biased. Tuttavia, questo bias permette loro di produrre una distribuzione di probabilità uniforme da stati puri specifici o da stati isotropicamente rumorosi.

• Risultato: Gli autori dimostrano che in qualsiasi dimensione $d$ in cui esiste una misurazione SIC, è possibile costruire una misurazione SIC distorta che genera la massima casualità intrinseca possibile ($2 \log d$ bit) da qualsiasi stato puro o isotropicamente rumoroso.
• Significato: Ciò risolve parzialmente una domanda aperta riguardo alla raggiungibilità della casualità massimale in un setting source-device-independent, poiché queste misurazioni sono informazionalmente complete (MICs).

2. Misurazioni Estreme Unbiased in Dimensioni Generali
Per qualsiasi POVM estrema di rango uno unbiased con $n$ esiti in dimensione $d$, gli autori derivano una formula generale per la probabilità di indovinare:
$$P_{\text{guess}}(\rho, M) = \frac{d}{n} \max_{\sigma \in \mathcal{P}} F(\rho, \sigma),$$
dove $\mathcal{P}$ è l'involucro convesso dei proiettori di misurazione e $F$ è la fedeltà quantistica.

• Limite Inferiore: Ciò porta a un limite inferiore indipendente dallo stato sull'entropia minima condizionata di $\log(n/d)$ bit.
• Strettezza: Gli autori dimostrano che per misurazioni estreme unbiased con $n < d^2$ esiti, la probabilità di indovinare è strettamente maggiore di $1/d^2$, il che significa che il limite massimale di $2 \log d$ bit non può essere saturato senza distorcere gli esiti o utilizzare $d^2$ esiti.

3. Soluzione Esplicita per Misurazioni di Qubit ($d=2$)
Il lavoro fornisce una caratterizzazione completa delle misurazioni di qubit estreme unbiased (con 2, 3 o 4 esiti).

• Parametrizzazione: Si dimostra che tutte le MIC di qubit unbiased a 4 esiti sono covarianti di gruppo e possono essere descritte da due angoli, $\delta$ e $\alpha$.
• Stati Ottimali: Gli autori identificano i specifici stati puri che minimizzano la probabilità di indovinare per qualsiasi MIC di qubit unbiased data. Questi stati risultano essere le normali alle facce del tetraedro formato dai vettori di misurazione.
• SIC vs. Altre: Viene presentato un risultato controintuitivo: tra tutte le misurazioni di qubit estreme unbiased a quattro esiti, la misurazione SIC (che è ottimale per la tomografia dello stato quantistico) produce la minore casualità intrinseca. Essa presenta la più alta probabilità di indovinare ($P_{\text{guess}} = \frac{1}{4}(1+l)$, dove $l$ è massimizzato per le SIC).

4. La Famiglia di Misurazioni "Forbici"
Per avvicinarsi al limite di casualità massimale di $2 \log d$ bit senza distorcere gli esiti (il che richiederebbe misurazioni non estreme o distorte), gli autori introducono una famiglia monoparametrica di misurazioni "forbici".

• Qubit: In dimensione 2, ponendo $\alpha=0$ nella parametrizzazione generale si ottiene una famiglia parametrizzata da $\delta$. Al tendere di $\delta \to 0$, la misurazione si avvicina a un limite non estremo, e la probabilità di indovinare per specifici stati rumorosi si avvicina al massimo teorico.
• Dimensioni Superiori: Gli autori estendono questo concetto alle dimensioni 3 e 4. Definiscono famiglie di MIC unbiased (utilizzando operatori di Weyl-Heisenberg per $d=3$ e una specifica generalizzazione per $d=4$) che includono una misurazione SIC come punto specifico nello spazio dei parametri. Man mano che il parametro si avvicina a un valore limite, le misurazioni si avvicinano a uno stato non estremo che genera casualità arbitrariamente vicina a $2 \log d$ bit.

Significato e Affermazioni
Il lavoro afferma di risolvere il problema della caratterizzazione della casualità intrinseca per misurazioni estreme di rango uno unbiased in dimensione due in modo esplicito per qualsiasi stato. Stabilisce che, mentre le misurazioni SIC sono ottimali per la tomografia, sono subottimali per la generazione di casualità intrinseca tra le MIC unbiased.

Il contributo teorico principale è la dimostrazione che la casualità massimale ($2 \log d$ bit) può essere generata in modo dipendente dal dispositivo in qualsiasi dimensione in cui esiste una SIC, a condizione di utilizzare le misurazioni SIC distorte proposte. Inoltre, le famiglie "forbici" forniscono una via per avvicinarsi a questa casualità massimale utilizzando misurazioni unbiased, colmando il divario tra strategie estreme e non estreme. I risultati valgono per scenari source-device-independent a causa della completezza informazionale delle misurazioni discusse.

Gli autori concludono con modestia, notando che, sebbene abbiano caratterizzato queste misurazioni, rimane una domanda aperta se le famiglie simili a forbici in dimensioni superiori saranno utili per la generazione di casualità device-independent e come questi risultati si traducano in scenari realistici che coinvolgono il rumore.