技術要約：線形光学量子回路における光子損失に対する衝突を考慮したベイズ的緩和策

1. 問題設定

光子損失は、線形光学量子回路（LOQC）、特にボソンサンプリング実験において支配的なノイズ源である。デフェージングとは異なり、損失は光子を完全に消失させ、理想的な $n$ 光子の出力パターンを、より少ない光子数を持つアウトカムへと変貌させる。この歪みにより、理想的な無損失分布は光子数が増えるにつれて指数関数的に稀となるため、標準的なポストセレクション（損失を含むイベントの破棄）は現実的な損失率においては非効率である。

MillsとMezherによって提案された「リサイクル」フレームワーク（Quandelaの photon_recycling に実装）に代表される既存の古典的な緩和戦略は、損失を含むサンプルを再重み付けすることで無損失の確率を回収しようと試みる。しかし、このアプローチには以下の2つの決定的な限界がある：

1. 統計的バイアス： リサイクル推定器は、その再構成における近似（例：干渉項を期待値に置き換え、ヒューリスティックな指数関数的外挿を行うこと）に起因する本質的なバイアスを持つ。このバイアスは、サンプル数 $N \to \infty$ としても消失しない。
2. 構造的制限： リサイクルカーネルは、「ノーコリジョン（NC：衝突なし）」セクター、すなわち各出力モードに最大1つの光子しか含まれない状況を想定している。実際のボソンサンプリングの出力は、ホン・オ・マンデル・バンチング（Hong–Ou–Mandel bunching）により、衝突状態（単一モード内に複数の光子が存在する状態）を頻繁に示している。リサイクルはこれらのサンプルを処理できず、それらを破棄することは、重要なデータと情報の喪失を意味する（例：$n=4, m=10$ において、無損失出力の質量の71%を占める衝突パターンが存在する場合）。

2. 手法

著者らは、生の損失を含む検出器カウントを、光子ごとのベルヌーイ損失モデル下での多項分布観測として扱う、衝突を考慮したベイズフレームワークを提案している。

フォワードモデル

本手法は、光子損失を生存確率 $1-\eta$ を持つ独立な光子ごとのベルヌーイチャネルとしてモデル化する。

• ノーコリジョン・レジーム： このモデルは、入力ベクトルと出力ベクトルがバイナリ（$s, y \in \{0, 1\}^m$）である場合にリサイクルカーネルを境界ケースとして回収する。
• 衝突考慮レジーム： フレームワークは、完全な弱組成空間（$\sum s_i = n$ を満たす $s \in \mathbb{Z}_{\ge 0}^m$）へと拡張される。これは、モード内の光子の交換可能性を考慮した、モードごとの二項損失係数 $\binom{s_i}{y_i}$ を組み込んでいる。理想的な分布 $p$ と損失率 $\eta$ の下でアウトカム $y$ が観測される尤度は以下の通りである：
  $$\pi_y(p, \eta) = \eta^k (1-\eta)^{n-k} \sum_{s \in G_{\text{coll}}(y)} \left[ \prod_{i=1}^m \binom{s_i}{y_i} \right] p(s)$$
  ここで、$k$ は失われた光子数であり、$G_{\text{coll}}(y)$ は $y$ を生成し得る有効な無損失状態の集合である。

推論

著者らは、ベイズの定理を用いて、理想的な分布 $p$ と損失率 $\eta$ の結合事後分布を推論する：
$$\Pr(p, \eta \mid c) \propto \prod_{y \in Y} \pi_y(p, \eta)^{c(y)} \cdot \Pr(p) \cdot \Pr(\eta)$$

• 事前分布： $p$ に対しては対称ディリクレ事前分布（$\alpha=1$）、$\eta$ に対してはベータ事前分布（$\beta=1$）を使用する。
• サンプリング： カーネルの疎なインシデンス表現（sparse incidence representation）上でNo-U-Turn Sampler (NUTS) を用いて事後分布をサンプリングする。この表現により、内側ループの計算コストを $O(K \cdot |Y|)$ から $O(E + K)$ へと削減し、パターン空間 $K \approx 8855$ までの推論を可能にしている。

3. 主な貢献

本論文の主な貢献は以下の3点である：

1. 再構成誤差の低減： 多項尤度を通じてフォワードモデルを直接適合させることで、ベイズ的アプローチは、リサイクル推定器に見られる特定の再重み付け近似や干渉項の置換を回避する。これにより、リサイクルやポストセレクションと比較して、より低いカルバック・ライブラー（KL）ダイバージェンスおよび平均二乗誤差（MSE）を実現している。
2. 衝突レジームへの対応： 本フレームワークは、リサイクル手法では処理できない衝突状態を自然に扱うことができる。衝突が豊富なレジームにおいて、ベイズ的事後分布は、リサイクル法では推定不可能な損失率や衝突パターンの確率を回収しつつ、より低い再構成誤差を維持する。
3. 実行可能な不確実性定量化： 点推定値を算出するベースラインとは異なり、結合事後分布は、再構成された分布 $p$ と損失率 $\eta$ の両方について信頼区間を提供する。これにより、事後的なカバレッジ分析が可能となり、様々なノイズ条件下で区間が真の分布をどの程度捉えているかを明らかにできる。

4. 実験結果

実験は、先行研究のスケールに合わせた独立した Percevalシミュレータ（SLOSエンジン）のデータを用いて行われた：$n=4$ 光子、$m=20$ モード（ノーコリジョン・ヘッドライン）および $n=4$、$m=10$ モード（衝突考慮）である。

• ノーコリジョン・ベンチマーク ($n=4, m=20$)：

  • ベイズ事後分布は、テストされたすべての損失率（$\eta \in \{0.3, 0.7, 0.9\}$）および不可識別性レベル（$V \in \{1.0, 0.8\}$）において、最も低いKLダイバージェンスを達成した。
  • リサイクル推定器は、「再構成誤差のプラトー（停滞）」を示した（例：$\eta=0.3$ で KL $\approx 0.31-0.33$ nats）。これはサンプル数 $N$ を増やしても減少せず、固有のバイアスを裏付けている。
  • ベイズ誤差は、$N$ の増加に伴って減少し続け（例：$N=10^4$ で 0.348 から $N=2\times 10^5$ で 0.068 へ）、リサイクルとの差を広げた。
  • ポストセレクションは、高損失時における有効サンプルサイズの崩壊により、性能が悪化した。

• 衝突考慮ベンチマーク ($n=4, m=10$)：

  • リサイクル法は（無損失出力質量の71%を破棄する必要があるため）構造的に適用不可能であった。
  • ベイズ事後分布は、損失率を正確に回収し（$\hat{\eta} = \eta$）、高損失時においてポストセレクションよりも大幅に低いKLダイバージェンスを達成した。
  • 低損失時において、ベイズ法は不可識別性の違いによるわずかな変動はあるものの、ポストセレクションと同等の性能を示した。

• 不確実性定量化：

  • 95%信頼区間は、ノーコリジョン・ヘッドラインにおいて0.88–0.96の実証的カバレッジを示した。
  • 部分的な光子不可識別性（$V < 1$）があるレジームでは、区間は（実際のデータ生成分布である）部分的に不可識別な分布 $p_V$ を正しくカバーしたが、理想的な無損失分布 $p^*$ に対してはアンダーカバレッジを示した。これは、ターゲットのシフトを反映したものであり、推定器の失敗ではない。

5. 意義と主張

本論文は、このベイズフレームワークが、線形光学量子回路に対する既存の古典的な緩和策に対して有限サンプルにおける優位性を提供することを主張している。

• リサイクルに対する優位性： 干渉項の近似による構造的バイアスと、衝突イベントの破棄によるデータ損失を排除する。
• スケーラビリティ： 正確なNUTSサンプリングは非常に大きな $N$ や $K$ において計算上の限界に直面するが（変分推論のような近似推論手法が必要となる）、現在の実装は現在の実験的デモンストレーションのスケール（$n=4$）に対しては実行可能である。
• 堅牢性： 多光子放出の下でも緩やかに劣化し、部分的な不可識別性下でのターゲット分布のシフトを正しく特定する。
• 限界： 著者らは、結果が漸近的な無偏性（これは母集団限界の分析を必要とする）ではなく、有限サンプルの改善を示していることを明記している。また、現在の手法は一様な光子損失を仮定しており、モード依存の損失や、尤度自体の中での部分的な不可識別性をモデル化していない（ただし、それらによるデータのシフトは扱っている）。

本研究は、衝突レジームにおいても有効な、不確実性の厳密な定量化を提供する、光子損失緩和の新しい基準を確立しており、現在の最先端のリサイクル手法における主要な欠落を埋めるものである。