Procedimiento de reconstrucción de estado que selecciona la matriz densidad cuántica que maximiza la probabilidad (verosimilitud) de obtener los datos de medida observados según un modelo de medida dado, sujeto a las restricciones físicas (positividad y traza unitaria). En tomografía se usa para producir una estimación puntual coherente con las frecuencias medidas.

Principio

Estimar la matriz densidad ρ maximizando la función de verosimilitud L(ρ)=Pr(datos|ρ) sobre el conjunto de estados físicamente permitidos; imponer positividad y traza igual a uno para garantizar una solución válida. Se implementa mediante métodos numéricos de optimización convexa o con restricciones cuando no existen soluciones analíticas.

Demostración

Reconstrucción de un qubit a partir de recuentos en las bases de Pauli: construir la verosimilitud de los recuentos observados en función de las componentes del vector de Bloch y maximizarla bajo la restricción de que la norma del vector de Bloch ≤1 para obtener la matriz densidad MLE.

Aplicación incorrecta

Tratar el máximo de verosimilitud sin imponer positividad (produciendo una matriz no física), asumir que el MLE es insesgado para muestras finitas, o publicar el MLE sin evaluar incertidumbre. Usar MLE con un modelo de medida incorrecto (POVM equivocado) conduce a estados sistemáticamente erróneos.

Consecuencia

Proporciona una estimación puntual físicamente válida que es asintóticamente eficiente (alcanza los límites clásicos de información de Fisher para grandes datos) y suele producir reconstrucciones de alta fidelidad; las estimaciones con pocos datos pueden estar sesgadas y requieren bootstrap, cálculo de información de Fisher o intervalos bayesianos para cuantificar la incertidumbre.

Inversión

La tomografía bayesiana produce una distribución posterior sobre estados en lugar de un único maximizador; la estimación MAP se parece al MLE con un prior plano, pero los métodos bayesianos subrayan la incertidumbre y la regularización por el prior.

Límite

Se aplica cuando existe un modelo de medida bien especificado y datos suficientes y cuando se desea una estimación puntual del operador densidad. Excluye tareas que requieren incertidumbre posterior completa sin análisis adicionales, conjuntos de medida incompletos que hacen la verosimilitud plana sobre una variedad, y contextos donde la discrepancia de modelo invalida la verosimilitud.

Tensión semántica

Tensión entre la practicidad de la estimación puntual (MLE) y la representación completa de incertidumbre (bayesiana); entre imponer restricciones físicas (que puede introducir sesgo) y mantener insesgamiento en el sentido clásico; y entre factibilidad numérica y optimalidad global en espacios de Hilbert de alta dimensión.

Síntesis

La estimación por máxima verosimilitud en tomografía es el enfoque de optimización con restricciones que devuelve la matriz densidad físicamente válida más coherente con las frecuencias observadas; es eficiente y práctica en muchos casos, pero exige cumplimiento estricto de las restricciones físicas y técnicas adicionales para cuantificar la incertidumbre con fiabilidad.