From Discrete to Continuous-Variable Systems via Jordan-Schwinger Tomographic Transformation

1. 연구 배경 및 문제 제기 (Problem)

• 하이브리드 양자 시스템의 중요성: 이산 변수 (Discrete Variable, DV; 예: 큐비트, 퀴디트) 와 연속 변수 (Continuous Variable, CV; 예: 광학 모드, 진동 모드) 를 결합한 하이브리드 양자 시스템은 양자 정보 과학의 유망한 방향입니다.
• 전환의 어려움: DV 와 CV 시스템은 근본적으로 다른 수학적 구조 (유한 차원 힐베르트 공간 vs 무한 차원) 와 물리적 해석을 가집니다. 두 시스템 간에 상태, 정보, 개념을 전환하는 것은 이론적, 실용적 난제를 안고 있습니다.
• 기존 방법의 한계:
  • 기존 CV 데이터를 DV 로 전환하는 일반적인 워크플로우는 다음과 같습니다: (1) 동형 검출 (Homodyne detection) 로 광학 토모그램 획득 $\rightarrow$ (2) 밀도 행렬 (Density Matrix) 수치적 재구성 $\rightarrow$ (3) Jordan-Schwinger (JS) 투영 등을 통한 DV 표현 도출.
  • 문제점: 밀도 행렬 재구성은 본질적으로 잘 정의되지 않은 (ill-posed) 역문제이며, 노이즈에 민감하고 정규화 과정이 필수적입니다. 이로 인해 비물리적 인공물 (artifacts) 이 발생할 수 있으며, 데이터 전환의 견고성과 확장성이 제한됩니다.
  • 또한, 밀도 행렬은 무한 차원이므로 수치적 계산 시 컷오프 (truncation) 가 필요하여 오차가 누적됩니다.

2. 방법론 (Methodology)

이 논문은 토모그래피 확률 표현 (Tomographic Probability Representation) 과 양자자 - 비양자자 (Quantizer-Dequantizer) 형식을 결합하여 DV 와 CV 시스템 간의 직접적인 변환을 제안합니다.

• 핵심 도구:
  • Jordan–Schwinger (JS) 맵: 두 개의 보손 모드 (bosonic modes) 를 사용하여 스핀 $j$ 표현을 구성합니다. 총 입자 수 $n=2j$ 가 고정된 부분 공간에서 스핀 힐베르트 공간과 동형 (isomorphism) 입니다.
  • Holstein–Primakoff (HP) 맵: 단일 보손 모드를 사용하여 스핀 $j$ 표현을 구성합니다. 여기서는 스핀의 최대 투영 상태를 진공 상태로 간주하고, 여기 수를 보손 개수로 매핑합니다.
  • 토모그램 (Tomograms): 밀도 행렬 대신 측정 가능한 확률 분포 함수 (PDF) 를 사용합니다.
    • CV: 심플렉틱 토모그램 (Symplectic tomogram, $W(x|\mu, \nu)$), 광자 수 토모그램 (Photon-number tomogram, $w_r(\alpha)$).
    • DV: 스핀 토모그램 (Spin tomogram, $\omega_j(m, \Omega)$).
• 핵심 기여 (Kernel-based Transformation):
  • 밀도 행렬 재구성을 거치지 않고, 실험적으로 얻은 토모그램 데이터에 적분 변환 커널 (Integral Transform Kernel) 을 직접 적용하여 목표 토모그램을 도출합니다.
  • 변환 공식 (예: 심플렉틱 토모그램에서 스핀 토모그램으로):
    $$\omega_j(m, \Omega) = \int W(x|\mu, \nu) K(m, \Omega; x, \mu, \nu) dx d\mu d\nu$$
  • 여기서 $K$ 는 JS 또는 HP 맵에 기반한 해석적 커널 (Analytical Kernel) 로, 라게르 다항식 (Laguerre polynomials) 등 알려진 특수 함수로 표현됩니다.
• 제한된 섹터 (Restricted Sector) 접근:
  • JS 와 HP 맵은 총 여기 수 $n=2j$ 가 고정된 부분 공간에서만 정확합니다. 논문은 이를 "제한된 Fock 상태 (Restricted Fock state)"로 정의하고, 커널이 불필요한 입자 수 섹터를 자동으로 필터링하여 목표 스핀 표현에 해당하는 정보만 추출하도록 설계했습니다.

3. 주요 기여 (Key Contributions)

1. 최초의 명시적 토모그래피 매핑: JS 와 HP 맵이 연산자 수준을 넘어, 토모그래피 확률 분포 (Tomograms) 와 Wigner 함수에 어떻게 작용하는지를 최초로 명시적으로 증명했습니다.
2. 밀도 행렬 재구성 불필요: CV 측정 데이터 (예: 동형 검출 데이터) 를 DV 표현 (스핀 토모그램) 으로 직접 전환하는 단일 적분 변환을 제시했습니다. 이는 노이즈와 재구성 오차를 제거하고 계산 비용을 크게 줄입니다.
3. 내재적 데이터 압축: 커널 변환이 목표 힐베르트 공간 섹터에 해당하는 정보만 필터링하므로, 불필요한 데이터를 제거하는 내재적 데이터 압축 역할을 수행합니다.
4. 해석적 커널의 제공: 수치적 선형 대수 대신 특수 함수를 포함하는 해석적 커널을 제공하여 계산 안정성과 효율성을 높였습니다.
5. 실제 실험 데이터 검증: 실제 실험에서 얻은 동형 검출 데이터 (homodyne data) 를 사용하여 제안된 변환의 유효성을 검증했습니다.

4. 결과 (Results)

• 수치 시뮬레이션 및 실험 데이터 분석:
  • Ref. [23] 의 실제 동형 검출 데이터 (단일 광자 Fock 상태와 약한 코히어런트 상태의 조건부 측정으로 생성된 비고전적 상태) 를 사용했습니다.
  • KQSE (Kernel Quantum State Estimation) 방법의 중간 단계인 특성 함수 (Characteristic Function) 추정을 통해 심플렉틱 토모그램을 얻고, 이를 제안된 커널 변환 (식 56, 75 등) 에 적용했습니다.
  • 결과: 이론적으로 예측된 스핀 토모그램 (Spin-1/2 및 Spin-1) 과 실험 데이터로부터 직접 변환된 스핀 토모그램이 매우 잘 일치함을 확인했습니다 (그림 4, 5, 6, 7).
  • 오차 분석: 초기 모델링의 단순화 (단일 파라미터 $p$ 사용) 로 인한 편향이 발견되었으며, 이를 교차 상관 (diagonal population) 과 결맞음 (coherence) 을 독립적으로 파라미터화한 새로운 모델 ($p_{diag}, p_{coh}$) 로 수정한 후, 이론과 실험 데이터의 일치도가 거의 완벽해졌습니다.
• 계산 효율성: 밀도 행렬의 무한 차원 절단 (truncation) 이나 최대 가능도 추정 (MLE) 과 같은 반복적 최적화 없이, 직접적인 커널 평가만으로 변환이 가능함을 보였습니다.

5. 의의 및 결론 (Significance and Conclusion)

• 통합된 벤치마킹 프레임워크: 이 방법은 이질적인 양자 하드웨어 플랫폼 (DV 와 CV) 간의 성능 비교, 벤치마킹, 및 오류 수정 scheme 검증을 위한 통일된 프레임워크를 제공합니다.
• 하이브리드 프로토콜 지원: 서로 다른 아키텍처 간의 데이터 전환을 용이하게 하여, 하이브리드 양자 컴퓨팅 및 통신 프로토콜 개발에 기여합니다.
• 실용적 적용: 밀도 행렬 재구성의 복잡성과 오차를 우회함으로써, 실제 실험 환경에서 측정 데이터를 즉시 다른 표현 체계로 변환하여 상태 검증, 오류 보정, 거리 기반 메트릭 계산 등을 수행할 수 있게 합니다.
• 미래 전망: 단일 모드/이중 모드에서 다중 모드 (multi-mode) 로의 확장, 그리고 다양한 하이브리드 아키텍처 (양자 메모리, 광자 통신 링크 등) 에의 적용을 통해 더 복잡한 양자 시스템의 상호 운용성을 확보할 수 있을 것으로 기대됩니다.

요약하자면, 이 논문은 연속 변수와 이산 변수 양자 시스템 간의 간극을 메우는 새로운 수학적 다리를 구축하였으며, 이를 통해 밀도 행렬 재구성 없이도 실험 데이터를 직접 변환할 수 있는 강력한 도구를 제시했습니다.