Experimental quantum state learning with pairs of photons

이 논문은 단일 광자를 측정하고 도착 시간에 따라 이들을 소급적으로 쌍을 맺음으로써, 약 10,000개의 광자를 사용하여 동일한 혼합 상태의 서로 다른 준비 상태들 사이에서 높은 충실도의 판별을 달성하며, 두 상태 큐비트 혼합물의 구성 순수 상태와 그 가중치를 고유하게 식별하기 위한 프로토콜을 실험적으로 입증한다.

핵심

당신이 신비로운 수프의 비밀 레시피를 추측하려고 한다고 상상해 보세요. 당신은 수프를 맛볼 수 있지만, 여기에는 함정이 있습니다. 이 수프는 두 가지 서로 다른 육수(가칭 "토마토"와 "바질")의 완벽한 혼합물입니다.

그저 한 숟가락 떠서 맛을 본다면, 당신은 그것이 혼합물이라는 것을 알 수 있습니다. 토마토 맛이 얼마나 강하고 바질 맛이 얼마나 강한지 그 비율을 측정할 수도 있습니다. 하지만 어떤 특정한 토마토나 바질이 사용되었는지 정확히 확신할 수는 없습니다. 왜냐하면 다양한 재료의 조합이 정확히 똑같은 맛을 만들어낼 수 있기 때문입니다. 양자 물리학의 세계에서 이것을 "밀도 행렬(density matrix)"이라고 부릅니다. 이는 혼합물의 통계적 특성을 알려주지만, 개별 재료의 정체는 숨겨버립니다.

"페어링(Pairing)" 기법
이 논문은 과학자들이 혼합되어 있음에도 불구하고 어떻게 정확한 재료를 식별해 냈는지에 대한 영리한 실험을 설명합니다.

이것을 비유로 들어보겠습니다:
앨리스가 밥에게 수프 숟가락들을 스트림 형태로 보내고 있다고 상상해 보세요. 그녀는 모든 숟가락이 순수한 "토마토"이거나 순수한 "바질"이라고 약속하지만, 이들을 무작위로 섞어서 보냅니다.

• 문제점: 만약 밥이 숟가락을 하나씩 맛본다면, 그는 단지 비율(예: 토마토 50%, 바질 50%)만을 파악할 수 있을 뿐입니다. 그는 "토마토"가 특정 덩굴에서 온 것인지, 혹은 "바질"이 특정 정원에서 온 것인지 알 수 없습니다.
• 해결책: 앨리스에게는 비밀이 있습니다. 그녀는 자신이 보내는 모든 "토마토" 숟가락은 비밀리에 또 다른 "토마토" 숟가락과 짝이 되어 있고, 모든 "바질" 숟가락은 또 다른 "바질" 숟가락과 짝이 되어 있다는 것을 알고 있습니다. 그녀는 이 사실을 밥에게 미리 알려주지 않습니다. 그녀는 그저 숟가락들을 보낼 뿐입니다.
• 마법 같은 단계: 밥이 모든 숟가락을 맛보고 기록한 후에, 앨리스는 그에게 리스트를 보냅니다. "좋아요, 1번 숟가락과 42번 숟가락은 한 쌍이었어요. 5번 숟가락과 99번 숟가락은 한 쌍이었고요."

숟가락들을 사후에 짝지음으로써, 밥은 데이터를 다르게 볼 수 있습니다. 단지 흐릿한 혼합물을 보는 대신, 이제 그는 "1번 숟가락이 토마토였을 때, 그 짝인 42번 숟가락 역시 토마토였다"라는 것을 알 수 있게 됩니다. 이 추가적인 정보 층 덕분에, 그는 수학적으로 두 재료를 분리하여 정확한 상태와 그 확률을 식별할 수 있습니다.

실험실에서 수행한 작업
과학자들은 수프 대신 광자(photons)(빛의 입자)를 사용했습니다.

1. 소스: 그들은 특수한 결정을 사용하여 광자 쌍을 생성했습니다.
2. 혼합: 그들은 광자의 편광(빛의 파동이 진동하는 방향)을 조 manipulaton 하여 두 가지 특정 상태(예: 수직 및 수평 진동)의 무작위 혼합물을 만들었습니다.
3. 측정: 그들은 광자를 하나씩 측정하며, 각 광자가 도착한 정확한 시간을 기록했습니다.
4. 페어링: 나중에, 그들은 도착 시간을 사용하여 광자들을 앨리스가 밥에게 리스트를 보내는 것처럼 "짝지었습니다."
5. 결과: 이 "쌍을 이룬 데이터"를 사용하여, 그들은 두 가지 숨겨진 상태의 정확한 정체와 그것들이 나타나는 빈도를 성공적으로 파악했습니다.

얼마나 뛰어났는가?
연구팀은 두 상태가 얼마나 가까워질 때 서로 구별할 수 없게 되는지 테스트했습니다.

• 그들은 만약 두 상태가 너무 비슷하다면(예: 거의 동일한 두 가지 색조의 빨간색), 이를 구별하기 위해 많은 데이터가 필요하다는 것을 발견했습니다.
• 그들은 약 10,000 쌍의 광자를 사용하면 99.99%의 정확도로 상태를 식별할 수 있다는 것을 발견했습니다.
• 또한 한계를 발견했습니다: 만약 두 상태가 "빛의 색상표"에서 15도 미만으로 떨어져 있다면, 그 방법으로는 더 이상 안정적으로 구분할 수 없습니다.

이것이 왜 중요한가?
이 논문은 "도착 시간" 정보를 사용하여 측정이 끝난 후 입자들을 쌍으로 그룹화함으로써, 우리가 생각했던 것보다 더 많은 것을 양자 시스템으로부터 배울 수 있다는 이론적 아이디어를 보여줍니다. 이것은 마치 퍼즐 조각을 두 번 보는 것과 같습니다. 한 번은 개별적으로 보고, 그다음에는 어떤 조각들이 서로 짝인지 알게 된 후에 다시 보는 것입니다.

연구진은 또한 이러한 혼합물에 얼마나 많은 정보를 담을 수 있는지 탐구했습니다. 그들은 상태를 매우 가깝게 만들수록 더 많은 "비트"의 정보를 담을 수 있지만, 이를 정확하게 읽어내기 위해서는 지수적으로 더 많은 광자가 필요하다는 것을 발견했습니다. 이것은 트레이드오프(trade-off) 관계입니다: 더 밀도 높은 메시지를 보낼 수는 있지만, 그 메시지를 해독하기 위해 훨씬 더 큰 규모의 빛을 보내야 합니다.

요약하자면
이 실험은 만약 당신에게 양자 입자의 스트림이 있고 어떤 것들이 쌍으로 왔는지 알고 있다면, 일반적인 단일 입자 측정만으로는 불가능했던 혼합물을 구성하는 특정 상태를 고유하게 식별할 수 있다는 이론적 개념을 증명합니다. 그들은 빛을 통해 이를 수행함으로써, "쌍으로부터 배우는 것"이 실제로 작동하는 기술임을 보여주었습니다.

기술 요약

기술 요약: 광자 쌍을 이용한 실험적 양자 상태 학습

문제 정의
표준 양자 상태 토모그래피는 동일하게 준비된 양자 계의 앙상블을 기술하는 밀도 행렬($\rho$)의 추정을 허용한다. 그러나 혼합 상태 밀도 행렬은 일반적으로 그 구성 순수 상태들로의 유일한 분해를 갖지 않는다. 결과적으로, 관찰자(Bob)는 단일 입자 측정만으로는 통계적 혼합물인 $\rho_{single} = p_0 |\psi_0\rangle\langle\psi_0| + p_1 |\psi_1\rangle\langle\psi_1|$은 결정할 수 있지만, 특정 순수 상태 $|\psi_0\rangle$와 $|\psi_1\rangle$ 및 그 확률 $p_0$와 $p_1$을 유일하게 식별할 수는 없다.

Agarwal 등[12]은 이러한 한계를 극복하기 위한 이론적 프로토콜을 제안했다. 그들은 만약 큐비트들이 쌍으로 도착하며 두 멤버가 모두 동일한 상태에 있다면, 생성된 2-큐비트 밀도 행렬 $\rho_{pair} = p_0 |\psi_0\psi_0\rangle\langle\psi_0\psi_0| + p_1 |\psi_1\psi_1\rangle\langle\psi_1\psi_1|$이 순수 곱 상태(pure product states)로의 유일한 분해를 허용한다는 것을 입증했다. 이를 통해 관찰자는 특정 순수 상태의 정체와 그 가중치를 추론할 수 있다. 본 논문은 광자 편광을 사용하여 이 "쌍으로부터의 학습(learning-from-pairs)" 개념에 대한 실험적 시연을 제시한다.

방법론
본 실험은 퇴화된 808 nm 광자 쌍을 생성하기 위해 자발적 매개 하향 변환(SPDC) 소스를 활용한다. 하나의 광자(아이들러, idler)는 트리거 역할을 하며, 다른 하나의 광자(시그널, signal)는 편광 준비 단계로 보내진다. 액정 웨이브 플레이트(LCWP)는 인가된 전압에 따라 시그널 광자의 편광을 조절하여, 두 가지 서로 다른 편광 상태 $|\psi_0\rangle$와 $|\psi_1\rangle$의 통계적 혼합물을 생성하기 위해 두 가지 설정 사이를 전환한다.

시그널 광자들은 6개의 기저(H/V, R/L, D/A)에서의 투영을 측정하는 단일 광자 편광 토모그래피를 거친다. 결정적으로, 실험은 검출된 모든 광자의 도달 시간(time-of-arrival)을 기록한다. 비록 광자들이 개별적으로 측정되지만, 시간 스탬프 데이터는 알려진 생성 통계에 기반하여 광자들을 "쌍으로 묶기" 위해 사후 측정(post-measurement) 시 사용된다. 이 쌍 형성 과정은 단일 광자 검출 데이터로부터 2-광자 밀도 행렬 $\rho_{pair}$를 재구성할 수 있게 한다. 문헌 [12]의 프로토콜에 따라, 이 $\rho_{pair}$는 이후 $|\psi_0\rangle$, $|\psi_1\rangle$, $p_0$, $p_1$을 유일하게 식별하기 위해 분해된다.

주요 결과
저자들은 다양한 조건 하에서 프로토콜의 성능을 조사하였다:

1. 충실도(Fidelity) 및 샘플 크기: 직교 상태(예: $|H\rangle$ 및 $|V\rangle$)의 경우, 동일하거나 불균등한 확률에 대해, 약 $10^4$개의 검출된 광자 쌍에서 재구성된 상태의 충실도는 99.99%에 도달한다. 충실도는 $1 - F \propto 1/N$으로 스케일링되며, 이는 이론적 예측과 일치한다.
2. 비직교 상태: 두 상태가 비직교할 때(포앵카레 구 위에서 $\pi/2$만큼 떨어져 있을 때), 동일한 충실도를 달ะ성하기 위해 더 많은 쌍이 필요하다. 프로토콜은 $15^\circ$만큼 작은 각도로 분리된 상태들도 성공적으로 구별한다. 이 임계값 아래에서는 두 상태의 곡선이 겹치며, 이는 주어진 샘플 크기 내에서 이들을 구별할 수 없음을 나타낸다.
3. 상태 판별: 실험은 동일한 단일 큐비트 혼합 상태(여기서 밑바탕이 되는 순수 상태가 다른 경우)의 두 가지 다른 준비를 구별하는 능력을 테스트했다. 두 혼합물 내의 순수 상태 사이의 각도 $\theta$를 변화시킴으로써, 저자들은 $N \sim 10^4$일 때 $5^\circ$ 미만으로 분리된 혼합물은 구별하기 어려워진다는 것을 발견했다.
4. 정보 용량: 연구는 인코딩되고 구별될 수 있는 서로 다른 혼합물의 수를 계산했다. 분리 각도 $\theta$에 대해, 구별 가능한 혼합물의 수는 $8/\theta^2$로 스케일링되어 $\log_2(8/\theta^2)$의 비트 용량을 산출한다. $\theta$를 줄이면 비트당 정보량은 증가하지만, 필요한 광자 수는 $1/\theta^2$에 비례하여 증가하므로 광자당 비트는 감소한다.

의의 및 주장
본 논문은 "쌍으로부터의 학습" 프로토콜을 실험적으로 검증했음을 주장하며, 쌍 형성 정보에 대한 접근(심지어 도달 시간을 통해 사후에 결정되는 경우라도)이 혼합 상태를 순수 성분으로 유일하게 분해할 수 있음을 입증한다. 이는 단일 입자 토모그래피에 내재된 비유일성을 효과적으로 우회한다.

저자들은 이 접근 방식이 밀도 행렬의 비선형 함수(구체적으로 순수 상태로의 분해)에 대한 추론를 가능하게 하며, 이는 단일 입자 측정만으로는 접근할 수 없는 영역임을 강조한다. 이 연구는 실질적인 판별 한계를 설정한다: 약 $10^4$개의 쌍을 사용하여, 시스템은 $15^\circ$만큼 떨어진 순수 상태를 해상할 수 있고, 직교 상태들의 서로 다른 혼합물을 $5^\circ$ 미만까지 구별할 수 있다. 결과는 $\theta$를 줄임으로써 높은 정보 밀도가 이론적으로 가능하지만, 자원 비용(광자 수)이 $\theta^2$에 비례하여 증가하므로 통신 환경에서는 더 작은 심볼 알파벳을 선호할 수 있음을 시사한다.