[논문 리뷰] Upper bounds on the quantum Fisher Information in the presence of general dephasing

Katarzyna Macieszczak|arXiv (Cornell University)|2014. 03. 04.

Quantum Information and Cryptography참고 문헌 9인용 수 3

한 줄 요약

이 논문은 N-편입 시스템에서 임의로 상관된 가우시안 디포즈링 하에서 양자 피셔 정보(QFI)에 대한 통합 상한을 유도한다. 이는 노이즈를 모델링하기 위해 무작위 위상의 베이지안 추정을 사용한다. 이 상한은 약한 상관성 있는 디포즈링(독립적인 디포즈링과 유사)에서는 위상 추정 정밀도가 $N^{-1}$ 비례로 스케일링되며, 강한 상관성 있는 디포즈링(집합적 디포즈링과 유사)에서는 상수로 수렴함을 드러내며, 노이즈가 없는 극한에서 헤이젠베르크 스케일링 $N^{-2}$을 복원한다.

ABSTRACT

We derive upper bounds on the quantum Fisher information in interferometry with $N$ subsystems, e.g. two-level atoms or Gaussian modes, in the presence of arbitrarily correlated Gaussian dephasing including independent and collective dephasing. The derived upper bound enables us to analyse the Fisher information asymptotic behaviour when $N ightarrow\infty$. Dephasing introduces random phases to subsystems dynamics, which lowers the precision of estimating the phase difference $ϕ$ in an interferometer. The method presented uses Bayesian estimation of the random phases and eliminates dephasing noise by calculating their weighted arithmetic mean, which correponds to the phase $ϕ$ estimated in interferometry.

연구 동기 및 목표

• 다중 입자 간섭계에서 임의로 상관된 디포즈링 하에서 양자 피셔 정보를 분석하기 위한 일반적 프레임워크의 부재를 해결하기 위해.
• 독립적 디포즈링과 집합적 디포즈링에 대한 기존 결과를 하나의 분석적 상한으로 통합하기 위해.
• 디포즈링 상관성의 영향이 $N \to \infty$일 때 위상 추정 정밀도의 渐近적 스케일링에 어떻게 작용하는지 규명하기 위해.
• 기존 극한값(예: $N^{-1}$, 상수)을 복원하며 약한 노이즈 조건에서도 유효한 날카운 상한을 제공하기 위해.

제안 방법

• 디포즈링을 평균이 0이고 공분산 행렬 $C$를 가진 가우시안 분포를 가진 무작위 위상 벡터 $\widetilde{\varphi}$로 모델링하며, 디포즈드 상태는 $\bar{\rho} = \int d\widetilde{\varphi} \, g(\widetilde{\varphi}) \, e^{-i\sum_j \widetilde{\varphi}_j H_j} \rho \, e^{i\sum_j \widetilde{\varphi}_j H_j}$ 로 표현된다.
• 위상 $\phi$를 추정하기 위해 베이지안 추정을 적용하여 무작위 위상의 가중 산술 평균을 계산함으로써 추정 과정에서 디포즈링 노이즈를 효과적으로 제거한다.
• 위상 분포의 공분산 구조와 초기 상태의 QFI를 이용하여 Eq. (10)에 기술된 상한을 유도한다.
• 디포즈링 채널 $\Lambda$가 유니터리 인코딩 $e^{-i\phi H}$와 교환 가능하므로, 노이즈를 초기 상태에 대한 사전 확률로 간주할 수 있다.
• 상관성 강도 파라미터 $\alpha$를 통해 $N \to \infty$일 때 상한의 渐近적 행동을 분석하며, 약한 상관성과 강한 상관성 디포즈링을 구분한다.
• 기존 사례와의 검증: $\alpha = 0$ (독립적 디포즈링)일 경우 $\propto N^{-1}$ 스케일링, $\alpha = 1$ (집합적 디포즈링)일 경우 상수 오차를 도출한다.

실험 결과

연구 질문

• RQ1 임의로 상관된 디포즈링은 $N$ 개의 부분계를 가진 간섭계 설정에서 위상 추정 정밀도의 스케일링에 어떻게 영향을 미치는가?
• RQ2 독립적 디포즈링과 집합적 디포즈링을 양자 피셔 정보 상한 측면에서 통합할 수 있는 단일 분석 프레임워크가 존재하는가?
• RQ3 디포즈링 노이즈의 다양한 상관성 구조 하에서 $N \to \infty$일 때 양자 피셔 정보의 渐近적 행동은 어떠한가?
• RQ4 유도된 상한은 노이즈가 없는 극한에서 헤이젠베르크 스케일링 $N^{-2}$을 복원하는가? 기존 상한과 비교해보면 어떻게 되는가?
• RQ5 특히 지수 감쇠($\alpha = 0.9$)와 감쇠 없는($\alpha = 0.2$) 상관성의 디포즈링이 최종 정밀도 한계를 결정하는 데 어떤 역할을 하는가?

주요 결과

• 유도된 QFI 상한은 초기 상태의 QFI와 디포즈링 노이즈의 공분산 행렬 $C$에 모두 의존하며, 모든 상관성 영역에 대한 통합적 기술을 제공한다.
• 약한 상관성 있는 디포즈링(예: $C_1$, $\alpha = 0.9$)의 경우 추정 오차는 $\propto N^{-1}$ 비례로 스케일링되며, 이는 샷노이즈 한계와 일치한다.
• 강한 상관성 있는 디포즈링(예: $C_2$, $\alpha = 0.2$)의 경우 $N \to \infty$일 때 추정 오차는 상수 $2\beta^2\alpha$로 수렴하며, 잔여 노이즈로 인한 기본 한계를 나타낸다.
• $2\beta^2 \to 0$ 극한에서 상한은 헤이젠베르크 스케일링 $\propto N^{-2}$를 복원하며, 노이즈가 없는 영역에서의 날카로움을 확인한다.
• 약한 디포즈링 및 작은 $N$ 조건에서 이전 결과들(예: G)보다 더 날카로운 상한을 제공하며, 특히 $2\beta^2 \lesssim (2N)^{-1/2}$일 경우 Fig. 2에 나타난 바와 같이 유리하다.
• 상한의 渐近적 행동은 상관성 강도에 의해 결정되며, 약한 상관성 노이즈에서는 $\propto N^{-1}$, 강한 상관성 노이즈에서는 상수로 수렴하며, 전이 조건은 파라미터 $\alpha$에 의해 지배된다.