量子状態トモグラフィーのための機械学習：熱雑音を有するスクイーズド真空状態の共分散行列推定における頑健性

科学分野:

• 量子光学
• 機械学習
• 量子情報科学

背景:

• 量子状態の特性評価は、量子技術にとって極めて重要である。
• 従来の密度行列再構成のような方法は、計算コストが高い。
• ガウシアン量子状態は、量子情報処理における基本的な構成要素である。

研究 の 目的:

• ノイズのあるガウシアン量子状態の共分散行列を推定するための、高速かつ高精度な方法を開発すること。
• 疎な測定を用いて、不純なスクイーズド真空状態を再構成すること。
• 実験室で生成されたガウシアン状態のための軽量な表現を提供すること。

主な方法:

• 畳み込みニューラルネットワークを用いた教師あり機械学習を利用した。
• 熱状態とスクイーズド熱状態を混合したモデルを採用した。
• 二次列の疎な測定から状態を再構成した。

主要な成果:

• 高忠実度および高精度で共分散行列推定を達成し、高いスクイージングレベルでも対応可能。
• スクイーズド真空状態の実験データとのベンチマークにより精度を実証。
• 実験的劣化を定量化し、熱雑音に対する頑健性を検証した。

結論:

• 機械学習法は、従来のステートトモグラフィーに代わる効率的な選択肢を提供する。
• このアプローチは、ガウシアン量子状態とそのノイズ誘発劣化を正確に特徴づける。
• 多成分および多モードガウシアン状態のリアルタイム量子状態トモグラフィーの基礎を築いた。