[論文レビュー] Precision Bounds on Continuous-Variable State Tomography using Classical Shadows

Srilekha Gandhari, Victor V. Albert+3 more|arXiv (Cornell University)|Nov 9, 2022

Quantum Information and Cryptography被引用数 5

ひとこと要約

本稿は、連続変数量子状態トモグラフィーのプロトコル（ホモダイン、ヘテロダイン、光子数分解能（PNR）、光子対称性検出）を、古典的シャドウフレームワーク内に再定式化し、測定リソースの厳密な精度境界を導出する。ホモダイン検出では、N光子状態に対して𝒪(N⁴⁺¹ᐟ³)回の測定が必要であり、PNR／光子対称性検出では𝒪(N⁴)回の測定が必要である（対数要因を除く）。数値的・実験的データは、理論的境界よりも良好なスケーリングを示している。

ABSTRACT

Shadow tomography is a framework for constructing succinct descriptions of quantum states using randomized measurement bases, called classical shadows, with powerful methods to bound the estimators used. We recast existing experimental protocols for continuous-variable quantum state tomography in the classical-shadow framework, obtaining rigorous bounds on the number of independent measurements needed for estimating density matrices from these protocols. We analyze the efficiency of homodyne, heterodyne, photon number resolving (PNR), and photon-parity protocols. To reach a desired precision on the classical shadow of an $N$-photon density matrix with a high probability, we show that homodyne detection requires an order $\mathcal{O}(N^{4+1/3})$ measurements in the worst case, whereas PNR and photon-parity detection require $\mathcal{O}(N^4)$ measurements in the worst case (both up to logarithmic corrections). We benchmark these results against numerical simulation as well as experimental data from optical homodyne experiments. We find that numerical and experimental homodyne tomography significantly outperforms our bounds, exhibiting a more typical scaling of the number of measurements that is close to linear in $N$. We extend our single-mode results to an efficient construction of multimode shadows based on local measurements.

研究の動機と目的

• 連続変数（CV）量子状態トモグラフィーにおいて、古典的シャドウを用いて、正確な測定回数の厳密な有限標本境界を確立すること。
• 従来、有限次元の離散変数系に限定されていた古典的シャドウフレームワークを、状態設計やSIC-POVMに依存せずに、無限次元のCV系へと拡張すること。
• 実験的に確立されたCVトモグラフィーのプロトコル（ホモダイン、ヘテロダイン、PNR、光子対称性検出）の標本複雑度を分析すること。
• 理論的境界を2010年の実験的ホモダインデータと数値シミュレーションとでベンチマーク化し、スケーリング行動に顕著な乖離が生じることを明らかにすること。
• 局所測定を用いて単一モードのシャドウ構成をマルチモード系へ一般化し、系のサイズに対して多項式スケーリングを維持すること。

提案手法

• ホモダイン、PNR、光子対称性検出プロトコルを、密度行列を確率的測定基底（例えば、シフトされたフォック状態、パターン関数）で表現することで、古典的シャドウトモグラフィーに再定式化する。
• 三角不等式と作用素ノルムの境界を用いて、古典的シャドウフレームワークを適用し、シャドウノルムと推定器の分散の境界を導出する。
• 補題II.1の境界を用いて推定誤差と標本複雑度を関連付け、標本数Tが目標誤差εと失敗確率δに対して𝒪(ν²/ε² log(1/δ))のスケーリングを示す。
• T作用素の固有値分解とシフトされたフォック基底を用いて、シャドウ推定器の作用素ノルムと分散を推定する。
• 固有値λₙ^(r)の漸近的解析を用いて標本複雑度の境界を導出し、特にr ≠ 0の場合にNに指数関数的に増加する傾向が見られる。
• 局所測定から局所シャドウを構築することで、単一モードの結果をマルチモード系へ拡張し、モード数Mと光子数Nの両方に対して多項式スケーリングを維持する。

実験結果

リサーチクエスチョン

• RQ1 古典的シャドウを用いた連続変数量子状態の再構成において、所望の精度に到達するために必要な最小測定回数は何か？
• RQ2 ホモダイン検出の標本複雑度は最大光子数Nに対してどのようにスケーリングするか？また、最悪ケース境界を超えて改善可能か？
• RQ3 なぜ数値的および実験的ホモダイントモグラフィー結果はNに対してほぼ線形スケーリングを示すのに対し、理論的境界は𝒪(N⁴⁺¹ᐟ³)スケーリングを示すのか？
• RQ4 状態設計やSIC-POVMに依存せずに、古典的シャドウフレームワークをCV系に適応可能か？
• RQ5 古典的シャドウフレームワークにおいて、PNRおよび光子対称性検出の標本複雑度は何か？ホモダイン検出と比較するとどうなるか？

主な発見

• 古典的シャドウフレームワーク下で、ホモダイン検出は、高確率で目標精度εを達成するため、𝒪(N⁴⁺¹ᐟ³)回の測定で十分であり、対数補正を除いて成立する。
• 光子数分解能（PNR）および光子対称性検出プロトコルは、最悪ケースにおいて𝒪(N⁴)回の測定を要し、これはPNRシャドウ推定器の分散およびノルム境界と一致する。
• 数値的シミュレーションおよび光学的ホモダイントモグラフィーの実験データは、Nに対してほぼ線形のスケーリングを示しており、理論的最悪ケース境界𝒪(N⁴⁺¹ᐟ³)とは顕著に対照的である。
• 理論的境界は、状態設計やSIC-POVMといった離散変数構造に依存せず導出されており、無限次元のCV系への直接適用が可能である。
• マルチモードCV状態の標本複雑度は、モード数Mと最大光子数Nの両方に対して多項式スケーリングする。上界はプロトコルに応じて𝒪(N⁴ᴹ)から𝒪(N^(6+1/3)ᴹ)まで変動する。
• PNRトモグラフィーにおいて、r ≠ 0のとき固有値λₙ^(r)の振る舞いにより、Nに対して指数関数的に増加する。その結果、固定されたr ≠ 0に対してT = 𝒪(N⁴ exp(2N))の境界が得られ、これは指数因子によって支配される。