中國科大利用機器學習與經典通信實現高效糾纏檢測
近日，中國科大郭光燦院士團隊柳必恒研究組聯合電子科技大學、奧地利科學院等合作單位，在量子糾纏檢測方面取得重要進展。研究團隊利用機器學習方法，結合經典通信策略，實現了高效、低成本的量子糾纏驗證。成果以“Practical advantage of classical communication in entanglement detection”為題，9月25日在線發表于《物理評論快報》，并被選為編輯推薦文章在期刊官網首頁亮點展示。
量子糾纏是量子信息科學中的核心資源，是實現量子計算、量子通信與量子網絡等技術的關鍵。傳統糾纏檢測方法需通過量子態層析進行全狀態重構，隨著系統維度增加，所需資源呈指數增長，難以應用于實際的高維或多體系統。為突破這一瓶頸，研究團隊提出將經典通信引入糾纏檢測過程，即在允許Alice和Bob之間進行單向經典通信的框架（1-LOCC）下進行測量。盡管該框架在理論上具有統計優勢，但實驗實現難度大，對系統穩定性和反饋速度要求極高。為此，團隊引入機器學習方法，利用變分生成優化網絡（VGON）自動篩選出“最值得實施1-LOCC的量子態”并生成最優檢測策略，將策略生成時間從傳統方法所需的兩個月大幅縮短至兩小時，為實驗提供了精確的“檢測藍圖”。
在實驗方面，研究團隊搭建了基于三維糾纏光子的實驗平臺（圖1）。Alice的測量結果通過經典信道實時傳輸至Bob端，由FPGA控制的電光調制器（EOM）實現測量基的快速切換。為補償信號傳輸與設備響應的時間延遲，Bob端引入50米長光纖作為“光量子存儲”，從而在單光子水平上實現自適應測量。實驗將無通信的局域操作（LO）與1-LOCC兩種策略交叉進行，確保實驗條件一致，使結果差異僅源于是否引入經典通信。
圖1.實驗裝置圖，包含三維糾纏光源、FPGA-EOM 快速切換與50m光纖短時延存儲等關鍵部件。
在百萬量級的事件統計基礎上，研究團隊發現，1-LOCC協議顯著降低了糾纏檢測的假陰性概率（圖2）。即使以對LO協議最有利的“樂觀估計”作為對比基準，1-LOCC仍表現出明顯的錯誤率優勢，表明其在真實噪聲環境下具備更優的檢測可靠性。
圖2.LO協議與1-LOCC 協議下假陰性概率p2的對比（紅色方塊和藍色方塊）。結果顯示，在1-LOCC 場景中，實驗測得的p2值顯著低于基于LO 協議的樂觀估計（綠色圓形），表明引入經典通信能夠有效降低檢測錯誤率。
該研究首次在實驗中系統驗證了經典通信在量子糾纏檢測中的實際優勢，形成了“理論建模—機器學習生成協議—實驗驗證”的完整研究閉環。該成果不僅為量子網絡中的在線控制提供可行方案，也為AI驅動的智能化量子實驗奠定方法基礎。
中國科學技術大學博士邢文博、博士生呂敏玉，以及電子科技大學博士生張凌霞為論文共同第一作者，中國科大胡曉敏特任教授、柳必恒研究員、奧地利科學院Miguel Navascués教授和電子科技大學王子竹教授為論文共同通訊作者。該研究工作得到了量子科學與技術創新計劃、國家自然科學基金、安徽省自然科學基金、安徽省科技創新攻堅計劃和中國科學技術大學等的支持。
論文鏈接：https://doi.org/10.1103/hlcv-qcnw
（量子網絡安徽省重點實驗室、物理學院、中國科學院量子信息和量子科技創新研究院、科研部）
本文鏈接：http://knowith.com/news-1-12979.html中國科大利用機器學習與經典通信實現高效糾纏檢測
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
