Shedding light on classical shadows: learning photonic quantum states

Titel: Learning photonic quantum states (Leren van fotonische kwantumtoestanden)

Auteurs: Hugo Thomas, Ulysse Chabaud, en Pierre-Emmanuel Emeriau (Quandela, Sorbonne Université, ENS, etc.)
Datum: 30 maart 2026

1. Het Probleem

Het karakteriseren van onbekende kwantumtoestanden is een fundamentele uitdaging in de kwantuminformatiewetenschap. Traditionele kwantumtoestands-tomografie (het reconstrueren van de volledige dichtheidsmatrix) is onpraktisch voor grootschalige systemen omdat het aantal benodigde kopieën van de toestand exponentieel groeit met het aantal subsystemen. Zelfs het opslaan van de volledige matrix in klassiek geheugen wordt onmogelijk bij grotere systemen.

Hoewel "klassieke schaduwen" (classical shadows) een efficiënt alternatief bieden voor qubit-systemen (gebaseerd op willekeurige metingen en klassieke verwerking), zijn de meeste ontwikkelingen beperkt tot qubit-architecturen. Fotonica is echter een veelbelovende kandidaat voor schaalbare kwantumverwerking (bijv. via boson sampling en geïntegreerde fotonische chips). De uitdaging is dat fotonische systemen fundamenteel verschillen van qubit-systemen:

• Ze werken in een oneindig dimensionale Fock-Hilbertruimte (aantal fotonen), niet in een eindige qubit-basis.
• Ze gebruiken passieve lineaire optische transformaties en fotonen-aantal-resolverende (PNR) detectie.
• PNR-detectie vernietigt coherentie tussen toestanden met verschillende aantallen fotonen, wat de tomografie beperkt tot subruimten met een vast aantal fotonen.

Er was tot nu toe geen efficiënt protocol voor het leren van eigenschappen van fotonische toestanden binnen deze specifieke hardware-beperkingen.

2. Methodologie

De auteurs introduceren een klassiek schaduw-protocol specifiek voor fotonische platforms. Het protocol bestaat uit drie fasen:

1. Dataverzameling:

   • Een onbekende fotonische toestand $\rho$ (met $m$ modi) wordt willekeurig geëvolueerd door een unitaire transformatie $U$ uit de Haar-maat (een willekeurige lineaire optische netwerkk).
   • Vervolgens wordt er gemeten met fotonen-aantal-resolverende (PNR) detectoren.
   • Het resultaat is een "snapshot": een paar $(U, s)$, waarbij $s$ het meetresultaat is (een verdeling van $n$ fotonen over $m$ modi).
   • Dit proces wordt $N$ keer herhaald om een klassieke schaduw $S(\rho, N)$ te vormen.

2. Klassieke Post-processing:

   • In tegenstelling tot qubit-schaduwen (waar Clifford-groepen worden gebruikt), is het berekenen van de evolutie van basisstaten in lineaire optica algemeen gezien niet efficiënt (het vereist het berekenen van matrix-permanenten, wat #P-hard is).
   • De auteurs gebruiken representatietheorie van de unitaire groep $U(m)$. Ze tonen aan dat de meetkanaal $M$ een blok-diagonale structuur heeft die correspondeert met subruimten van een vast aantal fotonen.
   • Ze leiden een gesloten vorm af voor het kanaal en zijn inverse, gebaseerd op Clebsch-Gordan-coëfficiënten en de decompositie in irreducibele representaties (irreps).
   • Voor observabelen die polynomen zijn van creatie- en annihilatie-operatoren (met een lage graad $d$), ontwikkelen ze een algoritme om de verwachtingswaarden exact te berekenen in tijd $O(m^{\text{deg}(O)})$, zonder de volledige dichtheidsmatrix te hoeven reconstrueren.

3. Eigendomsvoorspelling:

   • De verwachtingswaarde van een observabele $O$ wordt geschat door het gemiddelde te nemen over de snapshots: $\langle O \rangle_\rho \approx \frac{1}{N} \sum \langle O \rangle_{\hat{\rho}_i}$.
   • Ze definiëren een fotonische schaduw-norm ($\|\cdot\|_P$) die de steekproefcomplexiteit bepaalt. Voor observabelen van graad $d$ is de complexiteit begrensd door $O(\|O\|_\infty^2 m^3 d)$.

3. Belangrijkste Bijdragen

• Protocolontwerp: Het eerste praktische klassiek schaduw-protocol dat is toegespitst op passieve lineaire optica met PNR-metingen.
• Theoretische garanties: Rigoureuze bewijzen voor steekproef- en tijdscomplexiteit. Ze tonen aan dat het leren van eigenschappen van lage graad (zoals correlatoren en Hamiltonian-energieën) zeer efficiënt is, zelfs met de beperkingen van fotonische hardware.
• Efficiënte Post-processing: Een nieuwe techniek om verwachtingswaarden te berekenen zonder dure matrix-permanenten voor de volledige ruimte, door gebruik te maken van de structuur van irreducibele representaties.
• Experimentele Validatie: De eerste experimentele demonstratie op twee geïntegreerde kwantumverwerkingseenheden (QPUs): Ascella (12 modi) en Belenos (24 modi).

4. Experimentele Resultaten

De auteurs testten het protocol op vijf verschillende toepassingen:

1. Korrelatiefuncties (Ascella): Het nauwkeurig schatten van tweedimensionale correlatoren ($\langle \hat{n}_i \hat{n}_j \rangle$) met een gemiddelde absolute fout van 0,03.
2. Lie-algebraïsche invarianten (Ascella): Het meten van grootheden die constant blijven onder lineaire optische evolutie. De resultaten kwamen overeen met theoretische waarden (relatieve fout < 1%).
3. Gebinned waarschijnlijkheidsdistributies (Ascella): Het reconstrueren van de uitgangsverdeling van fotonen over groepen modi (bins) met een kleine totale variatie-afstand (TVD).
4. Hamiltonian-energieschatting (Belenos): Het schatten van de grondtoestandsenergie van de Bose-Hubbard Hamiltonian. Het protocol slaagde erin de energie binnen 5% nauwkeurigheid te schatten, zelfs voor toestanden die niet puur door lineaire optica kunnen worden voorbereid (in het interactieve regime).
5. Leren van Boson Sampling-toestanden (Belenos): Het reconstrueren van een onbekende unitaire matrix $W$ die een Boson Sampling-toestand heeft gegenereerd. Ze leerden een unitaire matrix $V$ die zeer dicht bij de waarheid lag (fideliteit 0,96, afstand 0,12).

Opmerking over Pseudo-PNR: Omdat echte PNR-detectoren moeilijk te bouwen zijn voor hoge fotonenaantallen, gebruikten ze "pseudo-PNR" (threshold detectors gecombineerd met Fourier-interferometers). Ze ontwikkelden een correctiemethode om de bias in de verdeling te mitigeren, wat essentieel was voor de nauwkeurigheid.

5. Betekenis en Toekomstperspectief

• Schaalbaarheid: Het paper toont aan dat het karakteriseren van complexe fotonische toestanden mogelijk is zonder volledige tomografie, wat cruciaal is voor de validatie van toekomstige grote-scale fotonische quantumcomputers.
• Hardware-onafhankelijkheid: Het protocol werkt voor generieke fotonische input-toestanden, inclusief die gegenereerd door niet-lineaire processen of meet-gestuurde voorbereiding, hoewel de meetapparatuur zelf lineair en passief is.
• Toepassingen: De methode opent de deur voor efficiënt benchmarking, foutcorrectie, Hamiltonian-simulatie en kwantum-machine learning op fotonische platforms.
• Praktische impact: De experimenten op de publiek toegankelijke "Ascella" en "Belenos" chips bewijzen dat deze technieken direct toepasbaar zijn op huidige NISQ (Noisy Intermediate-Scale Quantum) fotonische apparatuur.

Kortom, dit werk vult een cruciale kloof tussen de theorie van klassieke schaduwen en de praktische realiteit van fotonische kwantumcomputing, en biedt een schaalbare route voor het leren van eigenschappen van complexe kwantumtoestanden.