Chasing shadows with Gottesman-Kitaev-Preskill codes

기술 요약: Gottesman–Kitaev–Preskill 코드를 이용한 그림자 추적(Chasing Shadows)

문제 정의
본 논문은 Gottesman–Kitaev–Preskill (GKP) 오류 정정 코드를 사용하여 인코딩된 연속 변수(CV) 양자 시스템 내의 논리적 부분계(logical subsystems)에 대한 그림자 토모그래피(shadow tomography)를 수행하는 데 따르는 과제를 다룹다. 고전적인 그림자 토모그래피는 클리포드 트월링(Clifford twirling)을 사용하여 이산 변수(큐비트) 시스템에서 성공적으로 확립되었으나, 이를 무한 차원의 CV 시스템으로 확장하는 것은 비자명하다. 이는 전체 무한 힐베르트 공간에 대한 무작위 연산에 접근할 수 없기 때문이다. 또한, GKP 시스템의 논리적 관측량은 직접 측정하기 어려운 경우가 많으며, 이는 물리적 측정(예: 헤테로다인 또는 광자 패리티)을 통한 간접적인 추론을 필요로 한다. 이러한 과정은 논리적 구조와 자연스럽게 일치하지 않을 수 있다. 저자들은 입력 상태가 완벽한 코드 상태가 아닐 때도 임의의 물리적 입력 상태로부터 논리적 정보의 클래식 그림자를 추출할 수 있는 프로토콜을 개발하고자 하며, 이 과정에서 엄격한 샘플 복잡도(sample complexity) 경계치를 제공하고자 한다.

방법론
핵심 방법론은 CV 시스템 및 GKP 코드로 적응된 트월링(twirling) 기술에 의존한다. 이 프로토콜은 물리적 측정을 수행하기 전, 입력 상태에 무작위 논리적 클리포드 게이트(가우시안 유니터리 연산으로 구현됨)를 적용하여 작동한다. 이 과정은 측정 채널을 효과적으로 "트월링"하여, 논리적 코드 공간에 대한 디폴라라이징(depolarizing) 채널로 투영시킨다.

주요 기술 구성 요소는 다음과 같다:

1. 논리적 클리포드 트월링 (Logical Clifford Twirling): 저자들은 GKP 코드의 논리적 클리포드 자기 동형 사상(automorphisms) 군에 대한 트월링을 정의한다. GKP 코드의 경우, 이러한 논리적 게이트는 심플렉틱 격자 자기 동형 사상(symplectic lattice automorphisms)에 해당하며, 이는 가우시안 유니터리를 통해 구현될 수 있다.
2. 변위 트월링 (Displacement Twirling): 무한 차원 시스템을 처리하기 위해, 프로토콜은 GKP 코드의 심플렉틱 쌍대 격자($L^\perp$)에 대한 변위 트월링을 포함한다. 이는 비-스테빌라이저 결맞음(non-stabilizer coherences)을 억제하여, 상태 또는 채널을 코드 공간(또는 디폴라라이즈된 버전)으로 투영시킨다.
3. POVM 트월링: 프로토콜은 특정 물리적 양의 연산자 값 측정(POVM)에 트월링을 적용한다. 저자들은 두 가지 주요 사례를 분석한다:
   • 헤테로다인 측정 (Heterodyne Measurement): 포인터 상태는 가우시안이다. 이 프로토콜은 입력 상태를 입력의 논리적 정보를 재현하는 가우시안 상태들의 앙상블로 확률적으로 분해한다.
   • 광자 패리티 측정 (Photon Parity Measurement): 이는 위그너 함수 샘플링과 연결된다. 프로토콜은 GKP 격자 구조에 의해 결정되는 무작위 지점에서 입력의 위그너 함수를 샘플링한다.
4. 무작위 격자 선택 (Randomized Lattice Selection): 특정 코드를 넘어 임의의 CV 관측량을 추정하기 위해, 저자들은 무작위 GKP 코드(무작위 심플렉틱 격자)의 선택에 대해 평균을 내는 프로토콜을 도입한다. 이는 프로토콜이 특정 코드 구조에 편향되지 않도록 하기 위해 심플렉틱 격자 공간에 대한 하르 측도(Haar measure)를 활용한다(Siegel의 평균값 정리 사용).

주요 기여 및 결과

• GKP 논리적 그림자 프로토콜: 저자들은 "그림자"가 논리적 상태에 대한 클래식 기술인 그림자 토모그래피 프레임워크를 구축한다. 고정된 GKP 코드에 대해, 이 프로토콜은 큐비트의 경우와 유사하지만 논리적 부분 공간에 적응된 "그림자 노름(shadow norm)"으로부터 유도된 샘플 복잡도 경계치를 갖는 논리적 기대값 추정치를 제공함을 입증한다.
• 가우시안 분해 (헤테로다인): 헤테로다인 측정의 경우, 프로토콜은 임의의 물리적 CV 상태를 가우시안 상태들의 볼록 조합으로 분해하는 엄격한 방법을 제공한다. 저자들은 "가우시안 압축성(Gaussian compressibility)"에 대한 경계치를 도출하여, 입력 상태의 해석적 형태에 대한 사전 지식 없이도 유한한 수의 가우시안 샘플이 입력의 논리적 내용을 충실히 유지하기에 충분함을 입증한다.
• 위그너 샘플링 (광자 패리티): 광자 패리티 측정을 위한 프로토콜은 무작위 위그너 샘플링 체계와 동일함을 보여준다. 저자들은 유계 관측량(bounded observables)을 추정하기 위한 샘플 복잡도 경계치를 유도하며, 필요한 샘플 수가 위상 공간에서의 관측량의 분산에 의존함을 입증한다.
• 무작위 코드 그림자 토모그래피: GKP 격자의 선택을 무작위화함으로써, 저자들은 전체 물리적 CV 힐베르트 공간에 대한 그림자 프로토콜을 구축하는 방법을 보여준다. 이를 통해 특정 코드 공간에 국한되지 않고 충분히 유계인 임의의 관측량을 추정할 수 있다. 이 일반적인 경우의 샘플 복잡도 경계치는 심플렉틱 격자 공간 상의 함수에 대한 2차 모멘트를 사용하여 유도된다.

의의 및 주장
본 논문은 연속 변수 물리학과 이산 시스템을 위해 원래 개발된 무작위 토모그래피 방법론 사이의 가교 역할을 한다. 저자들은 자신들의 연구가 다음과 같은 성과를 제공한다고 주장한다:

1. 실험적 핸들: 임의의 물리적 입력 상태(불완전하거나 노이즈가 있는 GKP 상태 포함)를 클래식 기술(가우시안 혼합물 또는 위그너 샘플)로 변환하는 실용적인 "블랙박스" 절차를 제공한다.
2. 강건성 (Robustness): 프로토콜은 POVM의 불완칙성에 본질적으로 강건하다. 트월링 과정이 노이즈가 있는 측정을 수정된 파라미터를 가진 디폴라라이징 채널으로 투영하기 때문에, 이는 사후 처리 과정에서 고려될 수 있다.
3. 교육적 통찰: 이 연구는 GKP 코드의 관점에서 클래식 그림자 프로토콜을 바라봄으로써, 물리적 구조(CV 시스템)와 논리적 내용(오류 정정 정보) 사이의 상호작용을 강조하고 클래식 그림자 프로토콜에 대한 일반적인 이해를 정교화하는 것을 목표로 한다.
4. 시뮬레이션 유용성: 가우시안 분해 결과는 GKP 오류 정정을 클래식하게 시뮬레이션하고 실제 GKP 상태를 사용하는 양자 계산의 성능을 평가하기 위한 잠재적 도구를 제공한다. 가우시안 상태는 효율적으로 시뮬레이션 가능하기 때문이다.

저자들은 샘플 복잡도의 스케일링에 대해서는 겸허한 태도를 유지하며, 경계치가 유도되기는 하지만 (특히 전체 상태 토모그래피나 고차원 격자의 경우) 시스템 크기에 따라 지수적으로 증가할 수 있음을 인정한다. 그러나 저자들은 일반적인 CV 상태에 대해 논리적 관측량을 추정하는 데 필요한 샘플 수에 대한 가정 없는 엄격한 경계치를 얻는 것의 가치를 강조한다.