Efficient implementation of arbitrary Hermitian-preserving and trace-preserving maps

기술 요약: 임의의 에르미트 보존(Hermitian-Preserving) 및 트레이스 보존(Trace-Preserving) 사상의 효율적인 구현

문제 정의
양자 제어 기술은 물리적으로 실현 가능한 과정들을 기술하는 임의의 완전 양의(completely positive) 및 트레이스 보존(trace-preserving, CPTP) 사상을 구현하는 데 성공해 왔습니다. 그러나 에르미트 보존(Hermitian-preserving, HPTP) 및 트레이스 보존(trace-preserving) 사량의 구현은 여전히 중요한 미개척 영역으로 남아 있습니다. CPTP 사상과 달리, HPTP 사상은 양의 성질(positivity)을 보장하지 않으며, 이는 부분 전치(partial transpose, 얽힘 검출에 사용됨), 역 노이즈 채널(양자 오류 완화(QEM)의 핵심), 그리고 비마르코프적 동역학에서의 비-CP 중간 사상과 같은 비물리적 과정을 나타낼 수 있음을 의미합니다. 기존의 HPTP 사량 구현 방식은 다음과 같은 상당한 한계에 직면해 있습니다:

1. 분해 접근법(Decomposition approaches): HPTP 사량을 두 개의 CPTP 사상과 후속 후처리로 분해하는 방식은 최적화를 위해 준정부호 계획법(semi-definite programming)을 필요로 하며, 실험적으로는 단일 큐비트 시스템에 국한되어 왔습니다.
2. 해밀토니안 접근법(Hamiltonian approaches): HPTP 사량을 근사하기 위해 이분 해밀토니안(bipartite Hamiltonians)을 구성하는 방식은 대상 시스템과 동일한 차원의 보조 시스템(ancilla system)을 필요로 하므로, 높은 자원 비용이 발생합니다.

방법론
저자들은 단일 실행 가능한 CPTP 사상과 간단한 고전적 후처리를 사용하여 임의의 HPTP 사량을 구현하는, 완전히 구성적이고 자원 효율적인 방법을 제안합니다. 이 방법의 핵심은 다음 세 단계로 이루어집니다:

1. 정규화(Normalization): Kraus 연산자 $\{K_i\}$와 부호 $\alpha(i) \in \{1, -1\}$(Choi 행렬의 고윳값으로부터 유도됨)를 갖는 대상 HPTP 사량 $\mathcal{N}$가 주어지면, 저자들은 $\sum K_i^\dagger K_i$를 계수 $\gamma$(이 합의 최대 고윳값)로 정규화합니다. 이를 통해 재조정된 연산자 $\tilde{K}_i = K_i / \sqrt{\gamma}$를 얻습니다.
2. 완성(Completion): 결과물이 유효한 CPTP 사량이 되도록 하기 위해, 추가적인 Kraus 연산자 $\tilde{K}_{r+1} = (I - \sum_{i=1}^r \tilde{K}_i^\dagger \tilde{K}_i)^{1/2}$를 도입합니다. 이는 완결 조건 $\sum_{i=1}^{r+1} \tilde{K}_i^\dagger \tilde{K}_i = I$를 보장합니다. 결과적인 CPTP 사량 $\mathcal{E}_\mathcal{N}$은 최대 $r+1$의 Kraus 랭크를 가집니다 (여기서 $r$은 대상 HPTP 사량의 고유 랭크입니다).
3. 후처리(Post-processing): 물리적 회로는 $\mathcal{E}_\mathcal{N}$을 구현합니다. 원래의 HPTP 사량 $\mathcal{N}$에 대한 관측량 $O$의 기댓값을 복구하기 위해, 측정 결과는 고전적으로 후처리됩니다. 구체적으로, 처음 $r$개의 Kraus 분기에 해당하는 결과는 $\alpha(i)\gamma$를 곱하여 가중치를 부여하고, $(r+1)$번째 분기에 해당하는 결과는 0의 가중치를 부여합니다.

회로 구현
본 방법은 CPTP 사량을 위해 이전에 개발된 이진 트리 구조의 양자 회로를 활용하여 구성된 CPTP 사량 $\mathcal{E}_\mathcal{N}$을 구현합니다.

• 자원: 본 프로토콜은 단 하나의 2준위 보조 큐비트(측정, 리셋, 피드백을 통해 재사용됨)와 측정 결과를 저장하기 위한 고전적 레지스터만을 필요로 합니다.
• 깊이(Depth): 회로 깊이는 $\lceil \log_2(r+1) \rceil$에 비례하며, 이는 Kraus 랭크에 대해 로그 스케일링을 제공합니다.
• 연속적인 사량(Successive Maps): 연속적인 HPTP 사량들의 경우, 저자들은 대응하는 양자 회로들을 연결하고 마지막에 단 한 번의 후처리를 수행할 것을 제안하며, 이를 통해 단계 사이에 양자 상태를 다시 준비할 필요를 없앱니다.

주요 결과
본 논문은 수치 시뮬레이션과 이론적 분석을 통해 해당 방법을 검증하였습니다:

• 양자 오류 완화(QEM): 이 방법은 단일 및 2-큐비트 시스템에 대해 노이즈 채널(진폭 감쇄, 탈분극, 디페이징)을 반전시키기 위해 적용되었습니다. 수치 결과는 기존의 분해 방식에 비해 샘플링 오버헤드(분산)가 크게 감소함을 보여줍니다.
• 보존 시스템(Bosonic Systems): 보존 광자 손실 채널에 대한 시뮬레이션 결과, 제안된 방법은 시스템 차원 $d$에 따라 선형적으로 스케일링됨($r \approx d+1$)을 보여주었습니다. 이와 대조적으로, 기존의 분해 방식은 거의 풀 랭크(full-rank)인 $d^2$ 차원의 CPTP 사량을 생성하므로 고차원 시스템에서는 실행이 불가능합니다.
• 분산 분석(Variance Analysis): 저자들은 추정기의 단일 샷 분산에 대한 해석적 표현식을 유도했습니다. 그들은 샘플링 오버헤드가 투명하게 공개되며 해석적으로 보장된다는 점을 보여주었으며, 이는 분해된 사량의 계수에 의해 오버헤드가 결정되는 기존 방식들과 대조됩니다.
• Haar-평균 분산(Haar-Averaged Variance): Haar-무작위 입력 상태 및 관측량에 대한 이론적 예측은 특히 유니탈(unital) 채널에서 이 방법의 효율성을 확인시켜 줍니다.

의의 및 주장
저자들은 본 연구가 HPTP 처리에 의해 가능해지는 더 넓은 양자 정보 응용 분야를 위한 실질적인 경로를 제공한다고 주장합니다. 강조된 주요 장점은 다음과 같습니다:

• 자원 효율성: 본 방법은 해밀토니안 기반 접근법에 비해 훨씬 적은 양자 자원(특히 단 하나의 2준위 보조 큐비트)을 요구하며, 기존 방식의 고차원 보조 시스템 요구 사항을 피합니다.
• 구성적 특성: 프로토콜은 완전히 구성적이며 결정론적이어서, 수치적 준정부호 계획법 최적화가 필요하지 않습니다.
• 확장성: 로그 스케일의 회로 깊이와 시스템 차원에 따른 선형적인 Kraus 랭크 스케일링은 이 접근 방식이 근접 미래의 하드웨어 및 고차원 환경에 적합함을 나타냅/
• 다양성: 비물리적 사량의 효율적인 구현을 가능하게 함으로써, 본 프레임워크는 얽힘 검출, 양자 오류 완화, 양자 시뮬레이션, 양자 머신 러닝과 같은 응용 분야를 지원합니다.

본 논문은 이러한 결과들이 제안된 프레임워크의 효율성과 다재다능함을 입증하며, 기존 기술의 자원 병목 현상 없이 임의의 HPTP 사량을 구현할 수 있는 확장 가능한 솔루션을 제공한다고 결론짓습니다.