Procédure de reconstruction d’état qui choisit l’opérateur densité quantique maximisant la probabilité (vraisemblance) d’obtenir les données de mesure observées, selon un modèle de mesure donné, sous les contraintes physiques (positivité et trace égale à un). En tomographie, elle fournit une matrice densité unique qui s’ajuste le mieux aux fréquences observées.

Principe

Estimer l’état ρ en maximisant la fonction de vraisemblance L(ρ)=Pr(données|ρ) sur l’ensemble des états physiquement admis ; imposer la positivité et la trace unité pour garantir une solution valide. On implémente ce principe par des algorithmes d’optimisation convexe ou contraints lorsque les solutions analytiques font défaut.

Démonstration

Reconstruction d’un qubit à partir des comptes de mesures dans les bases de Pauli : construire la vraisemblance des comptes observés en fonction des composantes du vecteur de Bloch, maximiser cette vraisemblance sous la contrainte que la norme du vecteur de Bloch ≤1 pour obtenir la matrice densité MLE.

Mauvaise application

Utiliser le maximum de vraisemblance sans imposer la positivité (aboutissant à une matrice non physique), supposer que le MLE est non biaisé pour des échantillons finis, ou publier le MLE sans évaluer l’incertitude. Employer le MLE avec un modèle de mesure incorrect (POVM erroné) conduit à des états systématiquement faux.

Conséquence

Fournit une estimation ponctuelle physiquement valide qui est asymptotiquement efficiente (atteint les limites classiques de l’information de Fisher pour de grandes données) et donne souvent de bonnes reconstructions ; pour des échantillons limités, l’estimation peut être biaisée et nécessite bootstrap, calcul d’information de Fisher ou intervalles bayésiens pour quantifier l’incertitude.

Inversion

La tomographie bayésienne produit une distribution a posteriori sur les états au lieu d’un maximiseur unique ; l’estimation MAP ressemble au MLE si le prior est plat, mais les méthodes bayésiennes mettent l’accent sur l’incertitude et la régularisation par le prior.

Limite

S’applique quand le modèle de mesure est bien spécifié et que l’on dispose de données suffisantes et qu’on souhaite une estimation ponctuelle de l’opérateur densité. Exclut les tâches demandant une incertitude a posteriori complète sans analyses supplémentaires, les jeux de mesures incomplets rendant la vraisemblance plate sur une variété, et les contextes où une discordance de modèle invalide la vraisemblance.

Tension sémantique

Tension entre praticité de l’estimation ponctuelle (MLE) et représentation complète de l’incertitude (bayésien) ; entre imposer des contraintes physiques (qui peut introduire un biais) et conserver l’absence de biais au sens classique ; et entre faisabilité numérique et optimalité globale dans des espaces de Hilbert de grande dimension.

Synthèse

La MLE en tomographie est l’approche d’optimisation contrainte qui retourne la matrice densité physiquement valide la plus cohérente avec les fréquences mesurées ; elle est efficace et pratique pour de nombreux jeux de données mais exige le respect strict des contraintes physiques et des méthodes complémentaires pour une quantification fiable de l’incertitude.