The exact information cost of randomized measurements in quantum metrology
Questo articolo dimostra che, mentre i 3-design preservano una frazione costante di informazione di Fisher quantistica, i 2-design come MUB e SIC soffrono di una perdita di informazione dipendente dalla dimensione a causa di blind spot allineati, laddove basi casuali indipendenti o misurazioni di Clifford possono raggiungere prestazioni indipendenti dalla dimensione disperdendo questi blind spot.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
I sensori quantistici sono dispositivi che utilizzano le strane regole del mondo subatomico per misurare l'universo fisico con estrema precisione. Essi funzionano codificando informazioni sconosciute, come un campo magnetico o una variazione nel tempo, in uno stato quantistico delicato. Per leggere questa informazione, gli scienziati devono eseguire una misurazione. Tuttavia, l'atto di misurare un sistema quantistico è complicato; esso disturba lo stato, e il tipo di misurazione scelto determina quanta informazione utile si può estrarre. Il limite ultimo di questa precisione è stabilito da una quantità teorica chiamata informazione di Fisher quantistica, che rappresenta la quantità massima di informazione che qualsiasi misurazione possibile potrebbe mai estrarre da uno stato specifico.
Quando un sensore sta cercando di misurare una sola cosa, gli scienziati possono solitamente progettare una misurazione perfetta per raggiungere questo limite. Ma i sensori del mondo reale devono spesso monitorare diversi parametri variabili contemporaneamente, o lo stato esatto del sistema potrebbe essere sconosciuto. In questi casi, la strategia migliore è spesso quella di utilizzare una "misurazione randomizzata". Invece di scegliere un unico modo specifico per osservare il sistema, l'esperimentatore sceglie casualmente da un insieme di diverse impostazioni di misurazione, registra il risultato e ripete questo processo molte volte. Questo approccio è potente perché un singolo set di dati può essere utilizzato per apprendere molte diverse proprietà del sistema, rivelando schemi e dinamiche nascoste senza dover conoscere lo stato in anticipo. La domanda critica per ingegneri e fisici è stata: quanta di quella precisione ultima perdiamo quando ci affidiamo alla casualità invece di una misurazione perfetta e su misura?
Un nuovo studio di Wanqing Li e Jiaxin Liu risponde a questa domanda rivelando che la geometria delle impostazioni di misurazione conta più della simmetria dell'insieme. Per anni, la comunità scientifica si è affidata a insiemi di misurazioni altamente simmetrici, noti come basi mutuamente non correlate (mutually unbiased bases), che sono matematicamente eleganti e ampiamente utilizzati nell'informatica quantistica e nella crittografia. Questi insiemi sono progettati in modo che, se si conosce l'esito in una configurazione, i risultati in tutte le altre configurazioni siano completamente casuali. L'ipotesi prevalente era che questo alto livello di simmetria avrebbe garantito una prestazione costante e affidabile per la sensoristica, indipendentemente dalle dimensioni del sistema. I ricercatori, tuttavia, hanno scoperto che questa ipotesi è errata. Hanno scoperto che questi insiemi perfettamente simmetrici contengono "punti ciechi" che si allineano tra loro, causando una perdita catastrofica di informazione per certi tipi di cambiamenti nel sistema.
I ricercatori hanno dimostrato che in questi insiemi simmetrici, le misurazioni sono collettivamente cieche a specifici cambiamenti. Immaginate uno stato quantistico come un punto su una sfera. Alcune misurazioni sono buone nel rilevare cambiamenti nell' "altezza" di questo punto (cambiamenti di popolazione), mentre altre sono buone nel rilevare la sua "rotazione" o fase. In un insieme perfettamente simmetrico, le misurazioni che sono buone nel rilevare i cambiamenti di altezza sono esattamente quelle che sono cieche ai cambiamenti di fase, e viceversa. Quando il sistema cambia in un modo che si allinea con questi punti ciechi, la misurazione fallisce nel registrare lo spostamento. Lo studio dimostra che per un sistema con un gran numero di livelli, questo allineamento fa sì che il sensore conservi solo una minuscola frazione dell'informazione disponibile; specificamente, una frazione che si rimpicciolisce man mano che il sistema diventa più grande. Per un sistema con un certo numero di livelli, l'informazione conservata può scendere a un valore pari a uno diviso il numero di livelli più uno. Ciò significa che, man mano che il sistema cresce, il sensore diventa sempre più inefficiente, richiedendo un numero esponenzialmente maggiore di ripetizioni per raggiungere la stessa precisione.
Questa perdita non è una curiosità teorica; accade in sistemi reali e semplici, come un singolo bit quantistico codificato all'interno di un atomo multi-livello più grande. I ricercatori hanno dimostrato che anche in questi setup piccoli e gestibili, le misurazioni simmetriche non riescono a catturare il quadro completo. Il problema è che i "punti ciechi" delle diverse misurazioni puntano tutti nella stessa direzione, creando un grande vuoto nella visione del sensore. Lo studio esclude esplicitamente l'idea che la simmetria del secondo ordine da sola sia sufficiente a garantire buone prestazioni. Sebbene questi insiemi simmetrici funzionino bene per stati tipici e casuali, essi falliscono miseramente per gli stati strutturati che sono più comuni nei sensori reali, come le sovrapposizioni di soli due livelli energetici.
La soluzione, come hanno scoperto gli autori, non è cercare più simmetria, ma romperla. Disperdendo i punti ciechi in modo che non si allineino, il sensore può recuperare la sua efficienza. I ricercatori hanno dimostrato che l'uso di un piccolo numero di impostazioni di misurazione completamente casuali e non strutturate è molto superiore all'uso di un grande insieme perfettamente simmetrico. Hanno calcolato che bastano cinque basi casuali per garantire che il sensore conservi una frazione costante e indipendente dalla dimensione dell'informazione, indipendentemente da quanto grande diventi il sistema. In termini pratici, una dozzina di basi casuali supera l'intero insieme di basi simmetriche per sistemi con più di circa undici livelli. Questa scoperta cambia le regole di progettazione per i sensori quantistici. Invece di costruire complessi array di misurazione perfettamente simmetrici, gli ingegneri possono ottenere una precisione quasi ottimale con un approccio randomizzato molto più semplice che evita le trappole geometriche degli insiemi simmetrici.
Lo studio ha anche confermato che questo principio vale per i circuiti casuali utilizzati nei moderni computer quantistici. Per i sistemi costruiti partendo da standard qubit, le misurazioni casuali utilizzate in questi processori conservano esattamente un terzo della massima informazione possibile, un valore costante che non degrada con l'aggiunta di più bit. Ciò fornisce un budget di errore preciso per gli esperimenti, permettendo agli scienziati di sapere esattamente quante volte devono ripetere una misurazione per raggiungere un determinato livello di accuratezza. La ricerca conclude che la geometria delle impostazioni di misurazione, piuttosto che la loro astrazione simmetrica, è il vero controllore delle prestazioni. Comprendendo e gestendo questi punti ciechi, gli scienziati possono progettare sensori che siano robusti, efficienti e capaci di raggiungere i limiti fondamentali della precisione nel mondo quantistico.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.