[論文レビュー] Optimization of quantum universal detectors

Giacomo Mauro D’Ariano, Paolo Perinotti+1 more|ArXiv.org|Sep 22, 2003

Quantum Information and Cryptography参考文献 3被引用数 3

ひとこと要約

この論文は、任意の演算子の期待値を、システム・エイリアンス状態に対する固定測定のみで推定する量子ユニバーサル検出器のデータ処理関数を最適化する。双対演算子フレームを用いて問題を定式化し、分散を最小化することで、SU(d)-共変POVMの最適な双対を導出し、純粋なエイリアンス状態がノイズを最小化することを示した。その結果、次元に応じて理想測定の1.5倍から2倍の分散が生じる。

ABSTRACT

The expectation value of an arbitrary operator O can be obtained via a universal measuring apparatus that is independent of O, by changing only the data-processing of the outcomes. Such a ``universal detector'' performs a joint measurement on the system and on a suitable ancilla prepared in a fixed state, and is equivalent to a positive operator valued measure (POVM) for the system that is ``informationally complete''. The data processing functions generally are not unique, and we pose the problem of their optimization, providing some examples for covariant POVM's, in particular for SU(d) covariance group.

研究の動機と目的

• ユニバーサル量子検出器のデータ処理関数を最適化し、推定ノイズを最小化すること。
• SU(d)対称性下での共変正の自己線形演算子値測定（POVM）の最適な双対フレームを同定すること。
• ユニバーサル演算子推定における追加ノイズを最小化するエイリアンス状態を特定すること。
• 分散を指標として用いて、ユニバーサル検出器と理想測定の性能を比較すること。

提案手法

• ユニバーサル検出器を、システム・エイリアンスヒルバート空間上の情報的に完全なPOVMとして定式化し、固定測定と可変データ処理を用いる。
• 演算子と双対フレームを、演算子と双粒子状態の間のヒルベルト＝シュミット同型写像によって表現する。
• フレーム理論を用いて、任意の演算子を双対フレームを用いた測定演算子の線形結合として表現する。
• 双対フレームのトレース制約の下で推定プロセスの分散を最小化するためにラグランジュ乗数を適用する。
• SU(d)上のハール測度による統合を用いて、純粋状態の平均分散を評価する。
• 最適な双対フレームを、エイリアンス状態と恒等演算子の線形結合として導出する。

実験結果

リサーチクエスチョン

• RQ1 任意の演算子をユニバーサル検出器を用いて推定するための最適なデータ処理関数は何か？
• RQ2 エイリアンス状態の選択が演算子推定におけるノイズに与える影響は何か？
• RQ3 共変POVMの双対フレームを最適化することで、期待値推定の分散を最小化できるか？
• RQ4 与えられたシステム次元に対して、ユニバーサル演算子推定で達成可能な最小の追加ノイズは何か？

主な発見

• SU(d)-共変POVMの最適な双対フレームは、トレース制約の下でラグランジュ乗数を用いて導出されたカノニカル双対である。
• 推定における最小の追加ノイズは、エイリアンス状態が純粋である場合に達成され、これはTr[(ν^τ)²] = 1に相当する。
• 純粋なエイリアンス状態の場合、ユニバーサル検出器の分散は理想測定の(d+2)倍である。
• 最適な双対フレームはξ_opt = (d²−1)/(d·Tr[(ν^τ)²]−1) · ν^τ − (d−Tr[(ν^τ)²])/(d·Tr[(ν^τ)²]−1) · Iとして与えられる。
• ユニバーサル検出器の分散は、(Tr[ξ²]−1)/(d−1)倍の理想測定分散に比例する。
• 最適化により、純粋なエイリアンス状態が最小のノイズを持つユニバーサル検出を実現することが示され、ノイズ係数(d+2)は次元dに対して線形に増加する。