Generating Fock state exceeding 10000 excitations with near unit fidelity by adaptive generalized-parity measurement

이 논문은 측정의 무작위성을 적응형 업데이트로 변환함으로써 확률적 사후 선택의 한계를 피함으로써, 거대한 결맞음 상태 또는 변위된 열 상태를 10,000개 이상의 엑시테이션을 가진 거시적 포크 상태로 근사 1의 충실도로 결정론적으로 변환하는 적응형 일반화 패리티 측정 프로토콜을 제안한다.

핵심

당신이 거대한 해변에서 특정한 모래알 하나를 찾으려고 노력하고 있다고 상상해 보십시오. 보통 무작정 땅을 파기 시작한다면 운이 좋을 수도 있겠지만, 그 확률은 형편없이 낮을 것입니다. 만약 체를 이용해 모래를 걸러내려 한다면, 원하는 모래알을 잡을 수는 있겠지만 그 과정에서 잡힌 거의 모든 다른 모래들을 버려야만 할 것입니다. 이것이 현재 특정 양자 상태를 만드는 대부분의 방식이 작동하는 방식입니다. 즉, 이들은 "운 좋은" 결과만을 남기고 나머지는 버리는 체와 같습니다.

이 논문은 아무것도 버리지 않고도 특정 모래알(에너지 알갱이가 10,000개가 넘는 포크 상태)을 찾는 더 똑똑하고 효율적인 방법을 제안합니다.

문제점: "운 좋은 체"

양자 세계에서 과학자들은 "거시적 포크 상태(macroscopic Fock states)"를 만들고자 합니다. 이것은 매우 정밀하고 거대한 수의 에너지 패킷(광자)을 담고 있는 용기라고 생각하면 됩니다. 예를 들어 정확히 10,000개와 같은 식입니다.

• 기존 방식: 과학자들은 "사후 선택(post-selection)"이라는 과정을 사용합니다. 모래를 분류하는 기계를 상상해 보십시오. 이 기계는 모래가 매우 특정한 순서로 나와야만 그 모래를 유지합니다. 만약 기계가 실수를 하면, 처음부터 다시 시작해야 합니다. 원하는 모한 알의 수가 늘어날수록, 운 좋게 올바른 순서를 얻을 확률은 거의 zero에 수렴하게 됩니다. 이는 마치 10,000자리의 비밀번호를 무작위로 찍어서 맞추려는 것과 같습니다. 당신은 결코 성공할 수 없을 것입니다.

해결책: "적응형 GPS"

저자인 장천이(Chen-yi Zhang)와 징쥔(Jun Jing)은 **적응형 일반화 패리티 측정(Adaptive Generalized-Parity Measurement)**이라 불리는 새로운 방법을 제안합니다.

여기서 비유를 들어보겠습니다:
당신이 특정 방을 찾기 위해 미로를 탐색하고 있다고 상상해 보십시오.

• 기존 방식: 당신은 길을 따라 걷습니다. 만약 막다른 길에 부딪히면, 처음으로 돌아가 다른 길을 시도합니다. 대부분의 길은 막다른 길이며, 따라서 많은 시간을 낭비하게 됩니다.
• 새로운 방식 (이 논문): 당신에게는 매 교차로마다 말을 걸어주는 GPS(보조 큐비트)가 있습니다.
  1. 당신은 한 걸음을 내딛습니다.
  2. GPS가 당신에게 말합니다. "왼쪽으로 갔군요."
  3. GPS는 "틀렸으니 다시 돌아가세요"라고 말하는 대신, "좋습니다, 왼쪽으로 갔으니 다음 차례에는 오른쪽으로 가야 합니다"라고 말합니다.
  4. 당신은 그 대답에 따라 다음 발걸음을 조정합니다.

이 논문에서 "GPS"는 큰 시스템(공진기)에 연결된 아주 작은 양자 비트(큐비트)입니다. 과학자들은 큐비트를 측정합니다. 만약 큐비트가 "위(Up)"($e$)라고 말하면, 다음 단계에서도 측정 설정을 그대로 유지합니다. 만약 "아래(Down)"($g$)라고 말하면, 다음 측정의 타이밍을 약간 조정합니다.

마법 같은 기술:
이 적응형 규칙은 측정의 "무작위성"을 하나의 가이드로 바꿉니다. "틀린" 답을 버리는 대신, 시스템은 그 결과를 사용하여 지도를 업데이트합니다. 큐비트가 무엇을 말하든 상관없이, 과정은 계속 앞으로 나아갑니다. 당신은 결코 측정을 버리지 않습니다. 단지 다음 단계를 정교하게 다듬기 위해 그 결과를 사용할 뿐입니다.

결과: 건초더미에서 바늘 찾기

저자들은 표준 양자 모델(제인스-커밍스 모델)을 사용하여 이 아이디어를 테스트했습니다. 그 결과는 다음과 같습니다.

1. 거대한 숫자: 그들은 **10,000개가 넘는 들뜸(광자)**을 가진 포크 상태를 성공적으로 만들어냈습니다. 이는 양자 세계에서는 매우 큰 "거시적" 숫자입니다.
2. 속도: 이들은 단 10번의 측정 단계만으로 이를 수행했습니다. 이 방법은 매우 효율적이기 때문에, 목표 숫자가 엄청나게 커지더라도 필요한 단계의 수는 매우 느리게(로그 함수적으로) 증가합니다.
3. 성공률:
   • 평균적으로 최종 상태는 약 **80%의 정확도(충실도, fidelity)**를 보였습니다.
   • 더욱 인상적인 것은, 약 35%의 확률로 99% 완벽한 상태를 얻었다는 점입니다.
   • 이는 기존 방식들과 비교했을 때 엄청난 개선입니다. 기존 방식에서 이 정도로 큰 숫자를 얻을 확률은 사실상 제로에 가깝기 때문입니다.

견고성: "지저분한" 환경에서도 작동한다

보통 양자 실험은 완벽하게 깨끗하고 차가운 시작점을 필요로 합니다. 저자들은 이 방법이 매우 강인하다는 것을 보여주었습니다. 심지어 "변위 열 상태(displaced thermal state)"(상상해 보세요, 모래가 완벽하게 정지해 있지 않고 약간 따뜻하고 흔들거리는 상태입니다)에서 시작하더라도 이 방법은 작동했습니다.

• 중간 정도의 온도에서도, 약 10%의 확률로 99%의 정확도를 가진 3,000-광자 상태를 만들어낼 수 있었습니다.
• 이는 이 방법이 완벽하게 깨끗한 환경 없이도 작동할 수 있음을 의미하며, 실제 연구실 환경에서 훨씬 더 실용적임을 보여줍니다.

요약

이 논문은 양자 상태를 위한 새로운 "내비게이션 시스템"을 제시합니다. 운 좋은 순간을 기대하며 실패를 버리는 대신, 이 방식은 모든 측정 결과를 사용하여 시스템을 거대하고 정밀한 목표를 향해 조종합니다. 이를 통해 과학자들은 거대하고 정밀한 양자 상태를 빠르고 신뢰성 있게 생성할 수 있습니다. 설령 시작 조건이 완벽하지 않더라도 말입니다.

기술 요약

기술 요약: 적응형 일반화 패리티 측정을 통한 10,000개 이상의 여기를 가진 포크 상태(Fock States) 생성

문제 정의
거시적 포크 상태(결정적인 큰 수의 여기를 가진 상태)는 양자 계측, 시뮬레이션 및 향상된 센싱을 위한 핵심 자원이다. 캐비티 및 회로 QED에서 포크 상태를 생성하기 위한 다양한 프로토콜이 존재하지만, 대부분은 작은 여기 수로 제한된다. 거시적 영역(예: $10^4$ 개 이상의 광자)으로 확장하는 것은 여전히 어려운 과제이다. 기존 방식은 대개 확률적 사후 선택(postselection)에 의존하며, 여기서 성공 여부는 특정 측정 결과의 시퀀스에 달려 있어, 목표 여기 수가 증가함에 따라 성공 확률이 기하급급수적으로 감소한다. 또한, 많은 프로토콜이 순수 상태 초기화, 정밀한 외부 구동 또는 복잡한 게이트 연산을 요구하여 확장성과 견고성을 제한한다.

방법론
저자들은 사후 선택 없이 거시적 포크 상태를 생성하기 위해 **적응형 일반화 패리티 측정(adaptive generalized-parity measurement, GPM)**에 기반한 결정론적 프로토콜을 제 제안한다. 핵심 프레임워크는 다음과 같다:

1. 시스템 아키텍처: 교환형 상호작용(Jaynes-Cummings 해밀토니안에 의해 모델링됨)을 통해 보조 큐비트와 결합된 이산적이고 비퇴화된 스펙트럼을 가진 메인 시스템(예: 보존 모드).
2. 적응형 프로토콜: 고정된 시퀀스 대신, 프로토콜은 보조 큐비트에 대한 반복적인 투영 측정을 사용한다. 결정적으로, $k$번째와 $(k+1)$번째 측정 사이의 시간 간격($\tau_k$)은 이전 측정 결과($m_k$)에 따라 적응적으로 업데이트된다.
3. 일반화된 패리티 구성:
   • 저자들은 측정 간격이 진화 연산자가 필터 역할을 하도록 하는 구성 규칙을 도출한다.
   • 만약 측정 결과가 $|e\rangle$라면, 시스템은 $n_m \equiv n_t(k) \pmod{2^k}$로 정의된 부분 공간으로 투영되는 "대각(diagonal)" GPM을 수행한다.
   • 만약 결과가 $|g\rangle$라면, 시스템은 이동된(shifted) 부분 공간으로 투영되는 "변위된(displaced)" GPM을 수행한다.
   • 레이블 $n_t(k)$는 $n_t(k+1) = n_t(k) + (1 - \delta_{m_{k+1}, m_k})2^k$ 규칙에 따라 결정론적으로 업데이트된다.
4. 궤적 유지(Trajectory Retention): 특정 사후 선택 조건을 만족하지 못하는 궤적을 버리는 확률적 프로토콜과 달리, 이 프로토콜은 모든 측정 궤적을 유지한다. 보조 큐비트 측정의 무작위성은 GPM 파라미터의 적응형 업데이트로 전환되어, 이론적으로 단위 성공 확률(모든 궤적이 필터링된 상태로 이어지지만, 최종 포크 상태 인덱스는 약간 다를 수 있음)을 보장한다.

주요 기여

• 결정론적 확장성: 프로토콜은 사후 선택과 관련된 성공 확률의 기하급수적 억제를 제거한다. 이는 목표 여기 수에 대해 로그 스케일링($N \sim \log_2 \sqrt{n_t(0)}$)의 연산 라운드를 달성한다.
• 거시적 생성: 이 방법은 이론적으로 약 10회의 측정 라운드 내에 여기 수 $n_t = O(10^4)$까지의 포크 상태를 생성할 수 있다.
• 견고성: 프로토콜은 변위된 열 상태(displaced thermal states)로부터 시작할 때 효과적임이 입증되었으며, 순수 상태 초기화를 요구하지 않고도 적당한 열 혼합(thermal mixtures)에 대한 회복력을 보여준다.
• 단순성: 구현에는 외부 구동장, 게이트 연산 또는 측정 기저의 변경이 필요하지 않으며, 오직 자유 진화와 투영 측정만을 활용한다.

결과
공명 Jaynes-Cummings 모델에 기반한 수치 시뮬레이션은 다음 결과를 보여준다:

• 충실도(Fidelity): $n_t(0) \approx 10^4$인 초기 코히런트 상태에 대해, 프로토콜은 10라운드 이내에 평균 약 80%의 충실도를 가진 포크 상태를 생성한다.
• 고충실도 확률: 최종 상태가 99% 이상의 충실도를 가질 확률은 큰 $n_t(0)$(구체적으로 $n_t(0) \ge 5000$)에 대해 약 **35%**이다. 이는 사후 선택 기반 프로토콜보다 현저히 높다.
• 열적 견고성: 변위된 열 상태로 초기화되었을 때, 프로토콜은 높은 성능을 유지한다. 역온도 $\beta = 2/\omega_c$에 대해, $n_t(0) \approx 3000$에서 $>99\%$ 충실도를 달ีก할 확률은 약 29%를 유지한다. 온도가 높아지면(낮은 $\beta$) 필터링 효율과 최종 충실도가 감소하지만, 프로토콜은 여전히 기능적이며 확장 가능하다.
• 시간 복잡도: 총 실행 시간은 $T \sim \sqrt{n_t(0)} \log_2 \sqrt{n_t(0)}$로 스케일링되며, 이는 거시적 목표에 대해 효율적이다.

의의 및 주장
본 논문은 거시적 비고전 상태를 생성하기 위한 편리하고 실용적인 경로를 제공한다고 주장한다. 측정의 무작위성을 적응형 제어로 변환함으로써, 이 프로토콜은 사후 선택 기반 방식의 확장성 병목 현상을 극복한다. 저자들은 이 접근 방식이 다른 고충실도 생성 방식에서 전형적인 순수 상태 초기화나 복잡한 제어 시퀀스(적응형 구동 또는 게이트 연산 등)를 요구하지 않는다는 점을 강조한다. 결과적으로, 이 방법은 현재 낮은 성공 확률이나 초기화 제약으로 인해 제한을 받는 큰 광자 수를 요구하는 응용 분야, 특히 이산 스펙트럼을 가진 시스템에서의 양자 상태 엔지니어링을 위한 견고한 도구로 제시된다.