Bosonic quantum error-correcting codes with finite stellar rank

Sintesi Tecnica: Codici di Correzione degli Errori Quantistici Bosonici con Rango Stellare Finito

Enunciato del Problema
La correzione degli errori quantistici (QEC) bosonica offre una via promettente per codificare qubit logici nello spazio di Hilbert a dimensione infinita di un modo bosonico, utilizzando stati a variabili continue come i codici cat e i codici Gottesman–Kitaev–Preskill (GKP) per sopprimere il rumore dominante, come la perdita di fotoni e il dephasing. Tuttavia, queste codifiche sono intrinsecamente non gaussiane, richiedendo risorse che vanno oltre le standard operazioni gaussiane (ad esempio, spostamento e squeezing). In contesti sperimentali pratici, particolarmente nei sistemi fotonici, le risorse non gaussiane sono limitate e costose da preparare. Il problema centrale affrontato è come le risorse non gaussiane finite limitino l'accuratezza della preparazione dei codici (codewords) bosonici e, di conseguenza, le loro prestazioni di correzione degli errori logici. Nello specifico, rimane da chiarire quale sia il costo minimo di risorse richiesto per superare il punto di "break-even" (superando le prestazioni di un qubit non codificato) e se i codici ideali rimangano ottimali quando vengono imposti vincoli di preparazione.

Metodologia
Gli autori introducono il rango stellare ($r^\star$) come misura di risorsa, definito come il numero minimo di aggiunte di fotoni necessari per generare uno stato non gaussiano a singolo modo date arbitrarie operazioni gaussiane. Utilizzano la fedeltà stellare ($f^\star_k$) per quantificare la qualità dell'approssimazione di uno stato target con un rango stellare limitato $k$.

Lo studio procede in due fasi principali:

1. Approssimazione di Famiglie di Codici Fissi: Gli autori analizzano gli standard codici cat e codici GKP. Ottimizzano numericamente la fedeltà stellare di questi stati target sotto vincoli di rango stellare finito ottimizzando sulle unitarie gaussiane (spostamento e squeezing). Successivamente, testano i codici approssimati risultanti sotto canali di rumore di perdita di fotoni e dephasing utilizzando il recupero ottimale (calcolato tramite programmazione semidefinita) per determinare la fedeltà del canale logico.
2. Ottimizzazione Diretta delle Codifiche: Andando oltre gli stati target fissi, gli autori ottimizzano direttamente le codifiche bosoniche all'interno di classi variazionali vincolate a un rango stellare $k$ fisso. Per garantire la trattabilità computazionale, utilizzano la fedeltà di recupero di Petz come funzione obiettivo surrogata durante la ricerca, mentre la performance finale viene testata usando il recupero ottimale. L'ottimizzazione comporta la sintonizzazione congiunta dei parametri gaussiani e dei coefficienti di uno stato "core" nella base di Fock.

Contributi Chiave e Risultati

• Trade-off nelle Famiglie di Codici Fissi:

  • Per i codici cat, lo studio rivela che ampiezze coerenti più elevate ($\alpha$) richiedono ranghi stellari più alti per raggiungere un'alta fedeltà stellare a causa della maggiore separazione in fase dei componenti. La convergenza verso la fedeltà unitaria è non monotona in pratica a causa dei paesaggi di ottimizzazione, con la comparsa di regioni di "plateau" dove le approssimazioni a rango finito catturano solo parziali strutture rotazionali.
  • Per i codici GKP, stati meno smorzati (minore parametro di regolarizzazione $\Delta$), che sono più vicini al limite ideale a energia infinita, richiedono ranghi stellari significativamente più alti per essere approssimati accuratamente.
  • Analisi del Break-even: Le approssimazioni a rango finito possono superare la soglia di break-even prima che la preparazione esatta sia realizzabile. Per i codici cat, il rango stellare richiesto per superare il break-even aumenta con l'ampiezza $\alpha$. Per i codici GKP sotto perdita di fotoni, il break-even è raggiunto a bassi ranghi stellari ($k=3$ o $4$) anche per stati con fedeltà stellari lontane dall'unità. Tuttavia, sotto dephasing, le approssimazioni GKP a rango finito non riescono a superare il break-even nell'intervallo di rango studiato.
  • Subottimalità dei Codici Ideali: Un risultato critico è che i codici che sono ottimali nel limite di risorse infinite (ad esempio, stati GKP meno smorzati con $\Delta$ più piccolo) possono diventare subottimali sotto vincoli di rango finito. L'errore di preparazione di un target altamente non gaussiano può superare le sue proprietà intrinseche di correzione degli errori, rendendo un codice ideale più facilmente preparabile ma "peggiore" più performante in pratica.

• Codifiche Ottimizzate:

  • L'ottimizzazione diretta delle codifiche a rango stellare fisso rivela strutture di codice adattate al rumore.
  • Sotto perdita di fotoni, le codifiche ottimizzate evolvono da strutture localizzate a basso rango verso funzioni di Wigner a griglia (che ricordano gli stati GKP) all'aumentare di $k$.
  • Sotto dephasing, le codifiche ottimizzate sviluppano strutture approssimativamente simmetriche rispetto alla rotazione (che ricordano i codici cat), favorendo una maggiore separazione nello spazio delle fasi.
  • Soglie di Risorsa: Per il rumore di dephasing, un rango stellare di $k=2$ è sufficiente per superare il break-even per tutte le intensità di rumore considerate. Sotto perdita di fotoni, il rango stellare richiesto aumenta con il tasso di perdita.
  • Confronto delle Prestazioni: A un rango stellare fisso ($k=4$) e un tasso di perdita ($\kappa t = 10^{-2}$), la codifica ottimizzata ha raggiunto un'infedeltà del canale inferiore ($1.99 \times 10^{-4}$) rispetto sia all'approssimazione a rango finito di un codice cat standard ($3.41 \times 10^{-4}$) che di un codice binomiale ($2.9 \times 10^{-3}$).

Significatività
Questo articolo stabilisce il rango stellare come una misura di risorsa operativamente significativa per la QEC bosonica, collegando la teoria delle risorse non gaussiane con i vincoli pratici di preparazione dello stato. Dimostra che il "miglior" codice non è necessariamente quello con le migliori proprietà ideali di correzione degli errori, ma piuttosto quello che bilancia la qualità intrinseca del codice con il costo di preparazione. I risultati forniscono soglie concrete di risorse per ottenere vantaggi di correzione degli errori e evidenziano come l'ottimizzazione adattata al rumore possa fornire prestazioni superiori entro un budget fisso di risorse non gaussiane rispetto all'approssimazione di codici ideali predefiniti. Questo framework è particolarmente rilevante per le piattaforme sperimentali dove le operazioni non gaussiane sono limitate, come i sistemi fotonici.