衍射神经网络实现高保真空间模式量子门
发布时间：2024-02-08 03:00:11 阅读数： 814
衍射深度神经网络(D2NNs)的空间模量子门结构。学分:光:科学与应用(2024)。DOI: 10.1038/s41377-023-01336-7可靠的量子门是量子信息处理的基本组成部分。然而，以可扩展和紧凑的方式实现超高保真度的高维统一转换仍然是一个巨大的挑战。
为了解决这个问题，中国科学家展示了使用深度衍射神经网络(d2nn)来构建一系列高维量子门，这些量子门由光子的空间模式编码。这项研究发表在《光:科学与应用》杂志上，为使用深度学习设计量子门提供了一个新的范例。
量子计算有望改变我们的信息处理方法，而可靠的量子逻辑门在量子信息处理中起着至关重要的作用。
虽然各种类型的量子门已经被证明，但光子量子门与量子通信自然兼容，并在量子信息领域引起了相当大的兴趣。
光子空间模式中正交基的内在无限性提供了一个广泛的编码字母表，鼓励了高维量子信息处理的创造力。然而，以高精度、可扩展和紧凑的方式实现高维统一转换仍然是一个重大挑战。
由华中科技大学武汉光电子学国家实验室、光谷实验室光学与电子信息学院王健教授及其同事领导的研究小组展示了利用深度衍射神经网络(d2nn)构建一系列高维量子门，这些量子门由光子的空间模式编码。
他们实现了由三种拉盖尔-高斯模式编码的所有三维X门和阿达玛德门。通过量子过程断层扫描表征，门具有高达99.4(3)%的超高保真度。他们还采用一种独特的编码方法来编码两位信息，利用单个光子的四个轨道角动量(OAM)模式。
通过这种方法，他们实现了OAM的波前旋转方向(模态符号)根据其模态阶的交换。重构的过程矩阵具有99.6(2)%的保真度，实现了可靠的量子计算。
空间模式量子门的量子过程层析成像。学分:光:科学与应用(2024)。DOI: 10.1038/s41377-023-01336-7他们还通过成功实现Deutsch算法证明了这种方法的适用性，该算法涉及基于他们的实验配置执行整个2量子位量子电路。这个演示验证了执行复杂操作甚至量子电路的潜力。
实验证明，上述所有栅极都具有占地面积小、可扩展性强和对不同模式基的鲁棒性等优点。此外，该实现基于可重构相位调制器件，有利于智能部署，在执行自动协议以实现预期操作或优化实验性能方面显示出非凡的潜力。
为了给实验提供指导，他们分析了量子门性能与各种参数之间的关系，包括空间光调制器的损耗和特性。此外，他们还对D2NN门与传统波前匹配方法的性能进行了比较分析，得出结论:我们的方法以很小的能量损失为代价显著提高了能见度。
