Stabilizer entropy is trustworthy for mixed states

Resumo Técnico: "A Entropia de Estabilizador é Confiável para Estados Mistos"

Enunciado do Problema
Quantificar a não-estabilizabilidade (frequentemente referida como "magia") é essencial para compreender a vantagem quântica, o caos e as limitações da simulação clássica. Embora existam monotonos de não-estabilizabilidade para estados puros, sua extensão para estados mistos apresenta uma barreira computacional severa. Trabalhos recentes estabeleceram que qualquer monotono de não-estabilizabilidade estrito para estados mistos pertence à classe de complexidade $QP_2$, exigindo tempo superexponencial para ser computado. Isso torna os monotonos estritos impraticáveis para aplicações físicas realistas envolvendo ruído, medições parciais ou dinâmicas de estados mistos. Além disso, a extensão ingênua da Entropia de Estabilizador (SE) para estados mistos falha em satisfazer a monotonicidade sob operações livres (especificamente traço parcial e desfasamento), violando um requisito central das teorias de recursos.

Metodologia
Os autores propõem uma relaxação da condição de monotonicidade estrita através da introdução do conceito de um $\eta$-proxy de recurso. Uma função $f$ é definida como um $\eta$-proxy de recurso para um conjunto de estados $\mathcal{S}$ se ela for fiel (zero em estados livres) e a probabilidade de ela violar a monotonicidade sob operações livres decair exponencialmente com o tamanho do sistema $N$ (especificamente como $\exp(-\eta N)$).

O artigo foca na Entropia de Estabilizador Linear ($\tilde{M}_{lin}$) para estados mistos, definida como:
$$\tilde{M}_{lin}(\rho) = \text{Pur}(\rho) - SP(\rho)$$
onde $\text{Pur}(\rho) = \text{Tr}(\rho^2)$ é a pureza e $SP(\rho) = d \text{Tr}(Q \rho^{\otimes 4})$ é a pureza do estabilizador, sendo $Q$ o projetor sobre o subespaço estabilizador.

Os autores analisam o gap de monotonicidade $\bar{M}_E(\rho) = \tilde{M}_{lin}(\rho) - \tilde{M}_{lin}(E(\rho))$ sob duas operações livres:

1. Traço Parcial (reduzindo o sistema).
2. Desfasamento na base computacional (modelando medições não pós-selecionadas).

Eles empregam técnicas analíticas envolvendo médias de Haar, médias do grupo de Clifford e propriedades de Estados de Produto de Matrizes (MPS) para computar a média e a variância deste gap. Eles utilizam o lema de Lévy e a desigualdade de Chebyshev para limitar a probabilidade de violações de monotonicidade. Adicionalmente, realizam simulações numéricas em MPS aleatórios e nos estados fundamentais do modelo quântico XY 1D para verificar esses limites em configurações não aleatórias e fisicamente relevantes.

Principais Contribuições e Resultados

1. Definição de Proxies de Recurso: O artigo formaliza a noção de um proxy de recurso, argumentando que, para estados mistos onde os monotonos estritos são computacionalmente intratáveis, uma medida que se comporta como um monotono com probabilidade esmagadora é uma alternativa necessária e prática.

2. Garantias Analíticas em Conjuntos Aleatórios:

   • Estados Aleatórios de Haar: Os autores provam que, para estados genéricos de Haar, a probabilidade de violação de $\tilde{M}_{lin}$ sob traço parcial e desfasamento decai como $\exp(-\eta N)$ com $\eta = O(d/\log d)$, onde $d=2^N$. Isso indica violações superexponencialmente raras.
   • Órbitas de Clifford: Para estados gerados por unitárias de Clifford aleatórias atuando sobre uma semente fixa, a probabilidade de violação decai como $\exp(-\eta N)$ com $\eta = O(1)$. Embora o conjunto seja menor que o caso de Haar, as violações permanecem exponencialmente raras.
   • Estados de Produto de Matrizes (MPS) Aleatórios: Para MPS aleatórios com dimensão de ligação $\chi$, a probabilidade de violação é limitada por $\exp(-\eta N)$ onde $\eta = O(\chi^2)$. Mesmo para $\chi$ constante, as violações são exponencialmente improváveis, e a tipicidade melhora conforme $\chi$ aumenta.

3. Verificação Numérica em Sistemas Físicos:

   • Modelo XY: Os autores testaram a SE de estado misto logarítmica ($\tilde{M}_2$) nos estados fundamentais da cadeia quântica XY de spin-1/2. Eles computaram o gap de não-estabilizabilidade médio pelo resultado para medições parciais na base computacional. Em todo o diagrama de fases (incluindo fases ordenadas e desordenadas e ambos os setores de paridade), o gap permaneceu estritamente positivo. Isso demonstra que $\tilde{M}_2$ (e, por extensão, $\tilde{M}_{lin}$) não aumenta em média sob medições parciais neste sistema de muitos corpos específico.
   • Condições de Contorno Abertas (OBC): A análise numérica de MPS aleatórios com OBC confirmou que tanto $\tilde{M}_{lin}$ quanto $\tilde{M}_2$ mantêm gaps positivos sob desfasamento e traço parcial através de várias escalas de tamanho de sistema e de dimensão de ligação.

Significância e Alegações
O artigo afirma que a Entropia de Estabilizador Linear ($\tilde{M}_{lin}$) serve como um proxy confiável e computacionalmente eficiente para a não-estabilizabilidade em estados mistos. Os autores argumentam que, dada a comprovada dificuldade computacional dos monotonos estritos para estados mistos, o framework de "proxy de recurso" não é apenas uma conveniência, mas uma necessidade para aplicações práticas.

A significância reside em permitir a quantificação confiável de recursos de magia em:

• Processos de informação quântica ruidosos envolvendo medições e decoerência.
• Sistemas de muitos corpos onde o acesso às propriedades de subsistemas (via matrizes densidade reduzidas) é necessário.
• Configurações experimentais, onde a tomografia completa do estado é inviável, mas as entropias lineares são experimentalmente acessíveis.

O trabalho sugere que, embora a monotonicidade estrita não possa ser garantida para todos os estados mistos, a probabilidade de violação é tão baixa em conjuntos de estados fisicamente relevantes (Haar, Clifford, MPS e estados fundamentais de Hamiltonianos específicos) que a Entropia de Estabilizador pode ser usada com "probabilidade esmagadora" como uma medida de recurso válida. Os autores mantêm a modéstia, observando que, embora seus resultados sejam robustos em todos os conjuntos testados, mais verificações são necessárias para outras classes de estados (por exemplo, estados estabilizadores $t$-doped) e ansatzes variacionais 2D (PEPS).