A quantum color space for finite-shot RGB reconstruction in quantum image processing

Sintesi Tecnica: Uno Spazio Colore Quantistico per la Ricostruzione RGB a Shot Finiti

Problematica
L'elaborazione di immagini quantistiche (QIP) richiede rappresentazioni del colore che siano sia compatte nei registri quantistici sia recuperabili dalle statistiche di misura a shot finiti. Sebbene le esistenti Rappresentazioni di Immagini Quantistiche (QIR) come FRQI, MCQI e NEQR si siano concentrate sull'efficienza di archiviazione e indicizzazione, esse spesso trattano il colore come un valore da memorizzare piuttosto che affrontare l'organizzazione geometrica dell'informazione cromatica. Esiste una lacuna critica nella comprensione di come le coordinate RGB classiche vengano mappate nello spazio degli stati quantistici e di come le perturbazioni delle misure a shot finiti influenzino la stabilità della ricostruzione del colore. Gli schemi attuali spesso mancano di un quadro chiaro su come le stime derivate dalla misura vengano decodificate nuovamente in colori classici, specialmente quando lo spazio colore codificato è denso e i confini decisionali sono stretti.

Metodologia
Gli autori propongono uno spazio colore quantistico basato sulla sfera di Bloch che stabilisce una corrispondenza preservante la struttura tra i valori RGB discreti e i parametri di stato del singolo qubit $(\theta, \phi)$.

1. Mappatura Geometrica:

   • Le triplette RGB sono mappate sulle coordinate sferiche della sfera di Bloch.
   • Angolo Polare ($\theta$): Organizza i colori in base ai sottogruppi massimo-minimo dei canali ($M_x, M_n$). I colori che condividono lo stesso $M_x$ e $M_n$ sono assegnati a comuni bande di latitudine.
   • Angolo Azimutale ($\phi$): Codifica le traiettorie di permutazione dei canali all'interno di ogni banda di latitudine.
   • Sottospazio Grayscale: L'insieme diagonale $\{(x,x,x)\}$ forma naturalmente un sottospazio monodimensionale, rendendo $\phi$ ridondante poiché l'intensità è codificata esclusivamente da $\theta$.

2. Quantizzazione e Griglie:

   • Lo studio valuta tre griglie RGB quantizzate: $64^3$, $128^3$ e $256^3$. Queste non sono intervalli di intensità grezzi ma griglie su scala di display (ad esempio, $128^3$ corrisponde a $\{0, 2, 4, \dots, 254\}^3$).

3. Strategia di Decodifica:

   • Invece di assumere un'inversione analitica esatta, il metodo utilizza una regola di Regione del Punto (RoP) e Tabella di Ricerca (LUT).
   • I conteggi delle misure a shot finiti vengono convertiti in stime angolari $(\hat{\theta}, \hat{\phi})$.
   • Queste stime vengono decodificate in valori RGB determinando in quale regione decisionale precomputata $I(r,g,b)$ ricadono gli angoli stimati.

4. Protocolli Sperimentali:

   • Validazione Pixel-per-Pixel: Ogni pixel viene elaborato da un circuito a due qubit indipendente. Ciò isola la recuperabilità intrinseca a shot finiti.
   • Codifica Immagine Completa con Registro di Posizione: Tutti i pixel sono codificati in un singolo circuito utilizzando qubit di posizione. Il budget totale di shot è condiviso tra tutte le posizioni e le branche angolari, simulando uno scenario più compatto ma con misure sparse.
   • Dataset: MNIST (per la validazione del sottospazio grayscale) e CIFAR-10 (per la ricostruzione RGB).
   • Simulazione: Simulazioni Qiskit Aer senza modelli di rumore hardware espliciti, focalizzandosi sugli effetti statistici degli shot finiti.

Risultati Chiave

• Ricostruzione Grayscale (MNIST): Il sottospazio grayscale indotto ha dimostrato un'alta stabilità. La ricostruzione ha raggiunto un Errore Quadratico Medio (MSE) medio di 3.90 e un Rapporto Segnale-Rumore di Picco (PSidel PSNR) di 42.44 dB. La natura monodimensionale del diagonale grayscale ($\phi$ ridondante) ha contribuito a questa robustezza.
• Ricostruzione RGB (CIFAR-10):
  • Trade-off Quantizzazione-Separabilità: La griglia $64^3$ ha prodotto le prestazioni migliori (MSE: 81.29, PSNR: 29.84 dB, SSIM: 0.9313).
  • Griglie più Dense: La griglia $128^3$ ha mostrato un degrado moderato, mentre la griglia completa $256^3$ è stata la peggiore (MSE: 609.77, PSNR: 20.55 dB, SSIM: 0.7435).
  • Causa: Una risoluzione cromatica nominale più elevata crea regioni decisionali angolari (RoP) più strette. Gli errori di stima angolare a shot finiti, anche se piccoli, hanno maggiori probabilità di attraversare i confini decisionali nelle griglie dense, portando a una decodifica errata del colore.
• Analisi per Numero di Shot:
  • Aumentare il budget di shot migliora l'accuratezza della stima angolare. Tuttavia, per un errore angolare residuo fisso, le griglie più grossolane ($64^3$) rimangono più robuste grazie alle regioni decisionali più ampie.
  • Collo di Bottiglia dell'Allocazione delle Misure: Nella modalità immagine completa con registro di posizione, la qualità della ricostruzione è degradata significativamente in tutte le griglie (MSE $\approx$ 890, PSNR $\approx$ 18.7 dB). Il budget di shot condiviso ha comportato misure per posizione molto scarse (circa 128 campioni per pixel/branch con 218 shot totali), rendendo impossibile il recupero affidabile di sia $\theta$ che $\phi$ rispetto alla modalità pixel-wise.

Significatività e Rivendicazioni
Il documento sostiene che le rappresentazioni del colore quantistico devono essere progettate non solo per una memorizzazione compatta, ma specificamente per una ricostruzione stabile e interpretabile da misure a shot finiti.

• Organizzazione Geometrica: La costruzione proposta sulla sfera di Bloch collega esplicitamente la geometria del cubo RGB classico ai parametri di stato quantistico, rendendo esplicita la dipendenza dalla misura.
• Stabilità rispetto alla Risoluzione: I risultati mettono in discussione l'assunto che una maggiore risoluzione del colore classico migliori automaticamente la ricostruzione quantistica. Al contrario, la qualità della ricostruzione è governata dall'equilibrio tra la risoluzione nominale e la separabilità angolare a shot finiti. Le griglie più grossolane forniscono margini angolari più ampi, aumentando la robustezza contro il rumore statistico.
• Trade-off di Codifica: Lo studio evidenzia un trade-off pratico tra codifica compatta a livello di immagine (registro di posizione) e recupero affidabile per pixel. Sebbene la codifica compatta risparmi qubit, introduce un collo di bottiglia nell'allocazione degli shot che limita severamente la fedeltà della ricostruzione sotto budget di shot realistici.

Gli autori concludono che i futuri framework di elaborazione di immagini quantistiche dovrebbero dare priorità a strategie di recupero stabili alla misura, come la partizione adattiva dello spazio colore e la decodifica basata sulla verosimiglianza, piuttosto che concentrarsi esclusivamente sull'efficienza dei qubit.