SSP-QST: Spectral Subspace Purification for Photonic Quantum State Tomography

Technische Samenvatting: Spectral Subspace Purification voor Fotonic Quantum State Tomography (SSP-QST)

Probleemstelling
Fotonic quantum sensing vertrouwt op laag-rang verstrengelde sondes (bijv. GHZ-, Bell- of NOON-toestanden) om precisieschaling te bereiken die de Heisenberg-limiet ($1/n$) benadert. Echter, praktische Quantum State Tomography (QST) kampt met een fundamenteel reconstructiedilemma. Standaard Least-Squares QST (LS-QST) produceert schattingen van de dichtheidsmatrix die een volledige rang hebben door fluctuaties in eindige metingen en fysieke ruis. Deze "eigenwaarde-contaminatie" blaast de geschatte entropie op en vermindert de Quantum Fisher Information (QFI), wat de precisie van downstream sensing verslechtert.

Daartegenover staat dat eenvoudige rank-1 purificatie (het afdwingen van een zuivere toestand als schatting) structureel bevooroordeeld is voor realistische sondes. Praktische fotonische bronnen vertonen vaak effectieve rangen $r > 1$ door onbalans in beam-splitters, multiphoton-emissies, waveguide-crosstalk en bron-drift. Een vaste rank-1 reconstructie verwerpt deze geldige signaalmodi, wat een systematische fout introduceert die onafhankelijk is van het aantal shots. Bestaande oplossingen zoals Compressed Sensing of Iterative Maximum Likelihood Estimation (MLE) zijn ofwel te computationeel duur voor real-time feedback, of vereisen voorkennis van de rang, wat vaak niet beschikbaar is.

Methodologie: SSP-QST
De auteurs stellen Spectral Subspace Purification voor Quantum State Tomography (SSP-QST) voor, een niet-iteratieve, rang-adaptieve post-processing laag die wordt toegepast op standaard LS-QST outputs. De methode werkt in drie stappen:

1. Eigendecompositie: De LS-QST schatting ($\rho_{LS}$) wordt gedecomposeerd in zijn eigenwaarden en eigenvectoren.
2. Weyl-gemotiveerde Ruisvloer-schatting: Een drempelwaarde ($\epsilon_{th}$) wordt berekend om signaal-eigenmodi te onderscheiden van ruis. Deze drempelwaarde is afgeleid van de Weyl-perturbatietheorema, die de afwijking van eigenwaarden onder ruis begrenst. De formule is:
   $$\epsilon_{th} = \frac{\hat{p}}{d-1} + \frac{0.5}{\sqrt{N_s}}$$
   waarbij $\hat{p} = \max(0, 1 - \lambda_d)$ het geschatte ruisniveau is afgeleid van de dominante eigenwaarde $\lambda_d$, $d$ de Hilbertruimte-dimensie is, en $N_s$ het aantal shots. De eerste term houdt rekening met de schaling van depolariserende ruis, terwijl de tweede term een marge biedt voor eindige metingen.
3. Subspace Selectie en Renormalisatie: Eigenwaarden onder $\epsilon_{th}$ worden weggegooid. De resterende eigenmodi worden gerenormaliseerd om ervoor te zorgen dat de trace gelijk is aan 1, wat een gezuiverde toestand $\rho_{SSP}$ oplevert.

Het algoritme bevat een "rank-1 override" logica: als de tweede grootste eigenwaarde kleiner is dan tweemaal de drempelwaarde, schakelt de methode over op een rank-1 reconstructie, wat veiligheid biedt tegen het overschatten van de rang. De computationele kosten worden gedomineerd door een enkele eigendecompositie ($O(d^3)$), wat de methode geschikt maakt voor real-time feedbackloops.

Belangrijkste Bijdragen

• Data-gedreven Rangselectie: SSP-QST introduceert een closed-form post-processor die de reconstructierang direct selecteert uit het eigenspectrum zonder dat een rang-prior of iteratieve optimalisatie nodig is.
• Uniforme Afhandeling van Zuivere en Gemengde Sondes: De methode vermijdt de twee faalmodi van niet-adaptieve reconstructie: het behoudt noch de door ruis opgeblazen full-rank structuren (zoals LS-QST), noch verwerpt het geldige signaalmodi wanneer de sonde een rang $r > 1$ heeft (zoals rank-1 purificatie).
• Theoretische Fidelity Analyse: Het paper biedt een perturbatie-analyse die aantoont dat het verwijderen van niet-signaal eigenmodi de fidelity verbetert, waarbij de winst schaalt als $p(d-r)/d$. Dit voordeel is het meest uitgesproken in het low-rank regime ($r \ll d$) dat typerend is voor fotonische sondes.
• Low-Latency Implementatie: Omdat het slechts één eigendecompositie en renormalisatie vereist, dient SSP-QST als een lichtgewicht primitief voor feedback-georiënteerde sensing pipelines, compatibel met FPGA-gebaseerde implementaties.

Experimentele Resultaten
De auteurs evalueerden SSP-QST met behulp van Qiskit Aer-simulaties met $n=4$ qubits ($d=16$) onder depolariserende, amplitude damping en fase damping ruismodellen.

• Fidelity: Over de sonde-rangen $r=1$ tot $r=7$ behaalde SSP-QST de hoogste reconstructie-fidelity van alle geteste niet-iteratieve baselines (LS-QST, spectral squaring, en top-eigenvector extractie).
  • Voor rank-1 sondes matchte het de prestaties van top-eigenvector extractie ($F=1.000$).
  • Voor gemengde toestanden ($r \ge 2$) presteerde het significant beter dan rank-1 extractie, met fidelity-winsten variërend van $+0.204$ tot $+0.584$ ten opzichte van top-eigenvector extractie.
  • Het presteerde ook beter dan spectral squaring met $+0.008$ tot $+0.051$.
• Shot Efficiëntie: SSP-QST demonstreerde een $8\times$ verbetering in shot efficiëntie. Voor een rank-3 sonde behaalde SSP-QST een fidelity van $0.956$ met slechts $512$ shots, terwijl LS-QST $4096$ shots nodig had om slechts $0.890$ te bereiken.
• Robuustheid: De methode behield positieve fidelity-winsten over een breed scala aan depolariserende ruispercentages ($p \in [0, 0.22]$) en demonstreerde robuustheid tegen variaties in de drempelwaarde-constante.
• Rang Identificatie: In simulaties met ruisniveaus $p \le 0.10$ identificeerde SSP-QST correct de ware sonde-rang in alle 20 trials voor rangen 2 tot en met 6. Bij hogere ruis vertoonde het "graceful degradation" door de rang licht te onderschatten, een veilige faalmodus die voorkomt dat er onondersteunde signaalmodi worden toegevoegd.
• Vergelijking met Iteratieve MLE: Zelfs wanneer het een computationele budget kreeg dat gelijk is aan 400 iteraties van Rho-Rho (standaard MLE), presteerde SSP-QST beter dan de iteratieve methode qua fidelity, aangezien de iteratieve methode een full-rank ruis-pedestal behield die SSP-QST succesvol heeft gezuiverd.

Betekenis en Claims
Het paper claimt dat SSP-QST een cruciale brug slaat tussen de theoretische belofte van quantum sensing en praktische implementatie. Door de laag-rang signaal-subspace te herstellen zonder voorkennis, voorkomt het de systematische onderschatting van de sensing-precisie veroorzaakt door rang-inflatie in standaard tomografie.

De auteurs benadrukken dat SSP-QST specifiek is ontworpen voor feedback-georiënteerde quantum sensing pipelines. De closed-form natuur ($O(d^3)$) stelt het in staat om als een real-time reconstructie-primitief te fungeren, waardoor parameter-shift feedback-controllers coherente bron-drift (bijv. wave-plate creep) kunnen corrigeren met behulp van een high-fidelity schatting. Het paper concludeert dat hoewel de huidige resultaten gebaseerd zijn op software-simulaties onder gecontroleerde ruismodellen, de methode een lichtgewicht, betrouwbaar reconstructie-instrument biedt dat op reconfigureerbare hardware (FPGA's) kan worden ingezet om de betrouwbaarheid van fotonische quantum sensing onder eindige-shot beperkingen te verbeteren. Toekomstig werk wordt geïdentificeerd als het valideren van de methode op geïntegreerde fotonische platforms en het uitbreiden van het principe van spectrale purificatie naar quantum process tomography.