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

Resumo Técnico: Purificação de Subespaço Espectral para Tomografia de Estado Quântico Fotônico (SSP-QST)

Definição do Problema
A sensoriamento quântico fotônico depende de sondas de baixo posto (ex: estados GHZ, Bell, NOON) para alcançar o escalonamento de precisão no limite de Heisenberg ($1/n$). No entanto, a Tomografia de Estado Quântico (QST) prática enfrenta um dilema fundamental de reconstrução. A QST de Mínimos Quadrados padrão (LS-QST) produz estimativas de matriz densidade que possuem posto total devido às flutuações de medição de disparos finitos e ao ruído físico. Esta "contaminação de autovalores" infla a entropia estimada e reduz a Informação de Fisher Quântica (QFI), degradando a precisão do sensoriamento a jusante.

Por outro lado, a purificação simples de posto-1 (forçar a estimativa a ser um estado puro) é estruturalmente enviesada para sondas do mundo real. Sondas fotônicas práticas frequentemente exibem postos efetivos $r > 1$ devido a desequilíbrios em divisores de feixe, emissões de múltiplos fótons, crosstalk de guia de onda e deriva da fonte. Soluções existentes como Computação Comprimida ou Estimativa de Máxima Verossimilhança Iterativa (MLE) são ou muito custosas computacionalmente para feedback em tempo real ou exigem conhecimento prévio do posto, o qual muitas vezes não está disponível.

Metodologia: SSP-QST
Os autores propõem a Purificação de Subespaço Espectral para Tomografia de Estado Quântico (SSP-QST), uma camada de pós-processamento não iterativa e adaptável ao posto, aplicada às saídas da LS-QST padrão. O método opera em três etapas:

1. Decomposição Espectral: A estimativa LS-QST ($\rho_{LS}$) é decomposta em seus autovalores e autovetores.
2. Estimativa do Piso de Ruído Motivada por Weyl: Um limiar ($\epsilon_{th}$) é computado para distinguir modos de autovetores de sinal de ruído. Este limiar é derivado do teorema de perturbação de Weyl, que limita o desvio dos autovalores sob ruído. A fórmula é:
   $$\epsilon_{th} = \frac{\hat{p}}{d-1} + \frac{0.5}{\sqrt{N_s}}$$
   onde $\hat{p} = \max(0, 1 - \lambda_d)$ é o nível de ruído estimado derivado do autovalor dominante $\lambda_d$, $d$ é a dimensão do espaço de Hilbert, e $N_s$ é o número de disparos (shots). O primeiro termo contabiliza o escalonamento do ruído depolarizante, enquanto o segundo termo fornece uma margem de disparos finitos.
3. Seleção de Subespaço e Renormalização: Autovalores abaixo de $\epsilon_{th}$ são descartados. Os modos de autovetor restantes são renormalizados para garantir que o traço seja 1, produzindo um estado purificado $\rho_{SSP}$.

O algoritmo inclui uma lógica de "sobreposição de posto-1" (rank-1 override): se o segundo maior autovalor estiver abaixo de duas vezes o limiar, o método recorre a uma reconstrução de posto-1, garantindo segurança contra a superestimação do posto. O custo computacional é dominado por uma única decomposição espectral ($O(d^3)$), tornando-o adequado para loops de feedback em tempo real.

Principais Contribuições

• Seleção de Posto Baseada em Dados: O SSP-QST introduz um pós-processador de forma fechada que seleciona o posto de reconstrução diretamente do espectro de autovalores sem exigir um a priori de posto ou otimização iterativa.
• Tratamento Unificado de Sondas Puras e Mistas: O método evita os dois modos de falha de reconstrução não adaptativa: ele não retém estruturas de posto total infladas por ruído (como a LS-QST) nem descarta modos de sinal válidos quando a sonda possui posto $r > 1$ (como a purificação de posto-1).
• Análise de Fidelidade Teórica: O artigo fornece uma análise perturbativa mostrando que a remoção de modos de autovetor não-sinal melhora a fidelidade, com o ganho escalando como $p(d-r)/d$. Esta vantagem é mais pronunciada no regime de baixo posto ($r \ll d$), típico de sondas fotônicas.
• Implementação de Baixa Latência: Por exigir apenas uma decomposição espectral e renormalização, o SSP-QST serve como um primitivo leve para pipelines de sensoriamento orientados a feedback, compatível com implementações baseadas em FPGA.

Resultados Experimentais
Os autores avaliaram o SSP-QST usando simulações Qiskit Aer com $n=4$ qubits ($d=16$) sob modelos de ruído de despolarização, amortecimento de amplitude e amortecimento de fase.

• Fidelidade: Para postos de sonda $r=1$ a $r=7$, o SSP-QST alcançou a maior fidelidade de reconstrução entre todas as linhas de base não iterativas testadas (LS-QST, squaring espectral e extração do top-autovetor).
  • Para sondas de posto-1, igualou o desempenho da extração de top-autovetor ($F=1.000$).
  • Para estados mistos ($r \ge 2$), superou significativamente a extração de posto-1, com ganhos de fidelidade variando de $+0.204$ a $+0.584$ sobre a extração de top-autovetor.
  • Também superou o spectral squaring em $+0.008$ a $+0.051$.
• Eficiência de Disparos (Shot Efficiency): O SSP-QST demonstrou uma melhoria de $8\times$ na eficiência de disparos. Para uma sonda de posto-3, o SSP-QST alcançou uma fidelidade de $0.956$ com apenas $512$ disparos, enquanto a LS-QST exigiu $4096$ disparos para atingir apenas $0.890$.
• Robustez: O método manteve ganhos de fidelidade positivos através de uma ampla gama de taxas de ruído depolarizante ($p \in [0, 0.22]$) e demonstrou robustez a variações na constante do limiar.
• Identificação de Posto: Em simulações com níveis de ruído $p \le 0.10$, o SSP-QST identificou corretamente o verdadeiro posto da sonda em todos os 20 testes para postos de 2 a 6. Em ruídos mais altos, exibiu uma "degradação graciosa" ao subestimar levemente o posto, um modo de falha seguro que evita adicionar modos de sinal não suportados.
• Comparação com MLE Iterativo: Mesmo quando fornecido a um orçamento computacional equivalente a 400 iterações de Rho-Rho (MLE padrão), o SSP-QST superou o método iterativo em fidelidade, pois o método iterativo reteve um pedestal de ruído de posto total que o SSP-QST conseguiu purgar com sucesso.

Significância e Alegações
O artigo afirma que o SSP-QST fornece uma ponte crítica entre a promessa teórica do sensoriamento quântico e a implementação prática. Ao recuperar o subespaço de sinal de baixo posto sem conhecimento prévio, ele evita a subestimação sistemática da precisão de sensoriamento causada pela inflação de posto na tomografia padrão.

Os autores enfatizam que o SSP-QST foi projetado especificamente para pipelines de sensoriamento quântico orientados a feedback. Sua natureza de forma fechada ($O(d^3)$) permite que ele funcione como um primitivo de reconstrução em tempo real, permitindo que controladores de feedback de deslocamento de parâmetro corrijam a deriva coerente da fonte (ex: deriva de placa de onda) usando uma estimativa de alta fidelidade. O artigo conclui que, embora os resultados atuais sejam baseados em simulações de software sob modelos de ruído controlados, o método oferece uma ferramenta de reconstrução leve e confiável que pode ser implantada em hardware reconfigurável (FPGAs) para aumentar a confiabilidade do sensoriamento quântico fotônico sob restrições de disparos finitos. O trabalho futuro identifica a validação do método em plataformas fotônicas integradas e a extensão do princípio de purificação espectral para a tomografia de processo quântico.