⚛️ quantum physics

Witnessing nonlocality in quantum network of continuous-variable systems by generalized quasiprobability functions

本文提出了一种基于广义准概率函数的非线性贝尔不等式及最优探测策略，成功解决了高斯态无法通过高斯测量验证网络非局域性的难题，为连续变量量子网络（包括链状、星状、树状、环状及纠缠交换网络）的非局域性检测提供了普适且易于实验实现的方案。

原作者： Taotao Yan, Jinchuan Hou, Xiaofei Qi, Kan He

发布于 2026-03-31

📖 1 分钟阅读🧠 深度阅读

原作者： Taotao Yan, Jinchuan Hou, Xiaofei Qi, Kan He

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常前沿且迷人的量子物理话题：如何在由“连续变量”（Continuous-Variable, CV）系统组成的复杂量子网络中，证明“非局域性”（Nonlocality）的存在。

为了让你轻松理解，我们可以把这篇论文的核心内容想象成一场**“量子侦探游戏”**。

1. 背景：什么是“量子网络”和“非局域性”？

想象一下，我们有一个由多个节点（比如 Alice, Bob, Charlie 等）组成的量子互联网。这些节点之间通过独立的“量子源”（就像发快递的物流公司）连接，发送纠缠的粒子。

非局域性（Nonlocality）： 这是量子力学最神奇的地方。它意味着两个粒子即使相隔万里，也能瞬间“心意相通”。如果你测量其中一个，另一个的状态会立刻确定，仿佛它们之间有一根看不见的魔法线。
网络非局域性： 在普通的量子力学里，我们只关心两个粒子。但在“网络”里，情况更复杂：多个源、多个节点交织在一起。我们要证明的是，这种复杂的纠缠不仅仅是因为大家事先商量好的（经典物理），而是真的存在某种超越经典物理的“量子魔法”。

2. 遇到的难题： Gaussian 状态的“隐身术”

这篇论文主要研究的是连续变量（CV）系统。你可以把这类系统想象成**“平滑的波浪”**（比如光波的振幅和相位），而不是像离散变量（DV）那样是“一颗颗独立的珠子”（比如光子的个数）。

高斯态（Gaussian States）： 这是实验室里最容易制造、最稳定的“平滑波浪”状态。
大麻烦： 以前科学家发现，如果你用普通的“高斯测量”（就像用普通的尺子去量波浪）去检查这些高斯态，你永远找不到“非局域性”。这就好比你用普通的尺子去量一个幽灵，尺子读数是正常的，但幽灵其实就在那里。因为高斯态的数学特性太“完美”了，它们可以伪装成经典物理的样子。

结论： 要想抓住这些“幽灵”，必须用**“非高斯测量”**（特殊的、更敏锐的探测器）。

3. 论文的核心贡献：发明了一把“万能钥匙”

作者们做了一件很酷的事情：他们设计了一套通用的“侦探工具包”，专门用来在复杂的量子网络中抓出“非局域性”。

A. 新的“贝尔不等式”（Bell-type Inequality）

在量子物理中，“贝尔不等式”就像是一个**“测谎仪”**。

如果测谎仪读数在 1 以下，说明大家可能只是事先商量好的（经典物理）。
如果读数超过 1，那就说明测谎了！这是真正的量子非局域性。

以前的测谎仪大多只能测简单的“两两”关系，或者只能测“离散”的珠子。作者们发明了一个新的、非线性的测谎仪，它可以：

适应各种复杂的网络形状（像链条、星星、树、圆圈）。
适应无限维度的系统（连续变量）。
不管源发出的状态是什么（只要是高斯态），都能测。

B. “广义准概率函数”：特殊的“显影液”

既然普通尺子（高斯测量）没用，作者们提出使用**“广义准概率函数”**作为特殊的“显影液”。

比喻： 想象高斯态是一幅隐形画。普通的测量就像用肉眼直接看，什么也看不见。而“广义准概率函数”就像是一种特殊的化学药水。当你把这种药水涂在画上（进行非高斯测量），原本隐形的“量子纠缠图案”就会显现出来，甚至可能显示出负值（这在经典物理中是不可能的，但在量子世界里是常态）。
论文中特别提到，当参数 $s = -1$ 时，这种测量方案在实验室里非常容易实现（只需要分束器和光子探测器），这为未来的实验打下了基础。

C. “上确界策略”（Supremum Strategy）：寻找最佳角度

有时候，显影液涂上去，图案可能很淡。作者们提出了一种**“上确界策略”**。

比喻： 就像你在调整显微镜的焦距，或者调整相机的曝光时间。他们通过数学方法，在所有可能的测量参数中寻找**“最极端的组合”**。如果在这种“最极端”的情况下，测谎仪的读数依然超过 1，那就铁证如山了！

4. 他们测试了哪些网络？

为了证明这套工具好用，作者在纸上（和计算机模拟中）测试了四种常见的网络结构，就像测试新发明的万能钥匙能开多少种锁：

链式网络（Chain）： 像多米诺骨牌一样排成一排。
- 结果： 只要源发出的纠缠态足够强，就能检测到非局域性。
星形网络（Star）： 像一个中心辐射出去，中间一个节点连着周围一圈。
- 结果： 同样成功检测到了。
树形网络（Tree）： 像树枝分叉一样。
- 结果： 即使结构复杂，也能检测。
环形网络（Cyclic）： 大家围成一个圈。
- 结果： 即使是这种首尾相连的复杂结构，也能检测。

特别案例：纠缠交换（Entanglement Swapping）
这是量子通信中非常关键的技术（比如量子中继器）。论文详细讨论了这种情况，发现即使源发出的不是完美的纯态，而是带有噪声的混合态，只要参数合适，依然能检测到非局域性。

5. 总结与意义：为什么这很重要？

理论突破： 以前大家觉得高斯态很难测出非局域性，现在有了这套方法，打破了这个僵局。
实验可行： 论文指出的测量方法（特别是 $s=-1$ 的情况）在现在的实验室里就能做，不需要造出超级复杂的机器。只需要分束器和探测器。
未来应用： 这对于构建未来的量子互联网至关重要。如果我们要建立安全的量子通信网络，就必须能证明网络中的纠缠是真实的、不可伪造的。这篇论文提供了一套“验真”的标准流程。

一句话总结：
作者们发明了一套**“特殊的显影液和放大镜”（基于广义准概率函数的非线性贝尔不等式），成功地在那些原本看起来“平平无奇”的高斯态量子网络中，抓出了隐藏的量子非局域性**，并且这套方法简单、通用，非常适合未来的量子互联网实验。

这是一份关于论文《通过广义准概率函数见证连续变量量子网络中的非局域性》（Witnessing nonlocality in quantum network of continuous-variable systems by generalized quasiprobability functions）的详细技术总结。

1. 研究背景与问题 (Problem)

核心挑战：连续变量（CV）量子系统（特别是高斯态）在量子信息处理中具有重要地位（如易于产生、数学结构优雅）。然而，高斯测量无法见证高斯态的非局域性。这是因为高斯态具有正定的 Wigner 函数，允许构建隐变量模型。
现有局限：
- 现有的网络非局域性研究主要集中在有限维系统（离散变量，DV）或特定的两输入两输出场景。
- 对于具有无限维希尔伯特空间和无限多测量结果的 CV 网络，缺乏适用的非线性贝尔型不等式。
- 虽然已知需要非高斯测量来探测高斯态的非局域性，但如何在复杂的网络拓扑（如链状、星状、树状、环状）中设计有效的测量方案并构建通用的判据，仍是一个未解决的难题。
研究目标：提出一种通用的方法，利用基于**广义准概率函数（Generalized Quasiprobability Functions, GQF）**的非高斯测量，来探测源态为任意多模高斯态的 CV 量子网络中的网络非局域性。

2. 方法论 (Methodology)

论文提出了一套系统的理论框架，主要包含以下三个步骤：

A. 构建通用的非线性贝尔型不等式

针对任意维度（有限或无限）的量子网络，定义了一个包含 $y$ 个节点和 $z$ 个独立源的通用网络模型 $\Xi(y, z)$ 。
假设所有节点有两个输入（ $x_i \in \{0, 1\}$ ），但输出数量不受限制（可以是无限的）。
定义了网络中 $k$ 个独立节点（Independent Parties，即不共享任何源的节点子集）。
定理 2.1：证明了如果网络是局域的（Network Local），则对于任意局部测量，必须满足以下非线性贝尔型不等式：
$B = |I|^{\frac{1}{k}} + |J|^{\frac{1}{k}} \leq 1$
其中 $I$ 和 $J$ 是基于测量算符期望值构造的特定组合量， $k$ 是网络中最大独立节点集的大小。违反该不等式即证明了网络非局域性。

B. 引入广义准概率函数 (GQF) 作为测量工具

利用 Banaszek 和 Wódkiewicz 提出的广义准概率函数 $Q(\alpha; s)$ （其中 $s \leq 0$ 是参数）。
设计了具体的测量算符 $\hat{O}(\alpha; s)$ $\hat{O} (α; s)$ ，其本征值有界（ $|\xi_m| \leq 1$ $∣ ξ_{m} ∣ \leq 1$ ），且可以通过实验室中的线性光学元件（分束器）和光子探测器实现。
- 特别是当 $s = -1$ 时，测量方案简化为：强相干态与分束器耦合，随后使用光子探测器区分真空态和非真空态。
将上述通用不等式中的期望值转化为高斯态的广义准概率函数及其边缘分布的代数表达式。

C. 提出“上确界策略” (Supremum Strategy)

由于不等式中的参数（如位移参数 $\alpha$ ）是连续的，直接寻找解析解困难。
提出上确界策略：计算 $B(s, \rho) = \sup_{\alpha_0, \alpha_1} B_\rho(\alpha_0, \alpha_1; s)$ 。
判定准则：如果存在某个 $s \leq 0$ 使得 $B(s, \rho) > 1$ ，则该高斯网络表现出网络非局域性。

3. 关键贡献 (Key Contributions)

理论突破：首次建立了适用于任意维度（包括无限维 CV 系统）和任意网络拓扑的非线性贝尔型不等式。
通用探测方案：提出了一种基于广义准概率函数的通用探测方法（上确界策略），该方法仅依赖于高斯态的准概率函数，易于构建和数值计算。
多拓扑结构验证：将上述理论具体化，推导了四种典型网络拓扑的非线性不等式：
- 链状网络 (Chain Networks)
- 星状网络 (Star Networks)
- 树状网络 (Tree-shaped Networks)
- 环状网络 (Cyclic Networks)
实验可行性分析：详细讨论了测量方案的实验实现，指出当 $s=-1$ 时，仅需分束器和光子探测器（区分真空/非真空），这在当前技术下是完全可行的。

4. 主要结果 (Results)

论文通过数值模拟和理论分析，在多种源态配置下验证了该方法的有效性：

纠缠交换网络 (Entanglement Swapping, $E(3)$ )：
- 纯高斯态源：当源为纠缠 EPR 态时，只要选择 $s=-1$ ，不等式对所有纠缠参数 $r>0$ 均被违反。即使其中一个源是可分的，网络仍可能表现出非局域性。
- 混合高斯态源 (对称热压缩态 STS)：对于混合态，当 $s=-1$ 且压缩参数 $r$ 超过一定阈值时，也能成功见证非局域性。
链状网络 (Chain Networks, $Cha(y)$)：
- 对于由相同 EPR 态组成的链， $s=-1$ 的测量足以见证所有 $r>0$ 情况下的非局域性。
- 对于混合态源， $s=-1$ 能检测到比 $-1 < s \leq 0$ 范围内更多的非局域性实例。
星状与树状网络：
- 在 $S(6)$ 星状网络和 $T(3,2)$ 树状网络中，同样发现 $s=-1$ 是最优参数，能够检测到大量纠缠纯态和混合态的网络非局域性。
环状网络 (Cyclic Networks, $Cyc(5)$)：
- 证明了在环状拓扑下，利用 $s=-1$ 的测量，对于任意纠缠纯态源，网络均表现出非局域性。

关键发现：

参数 $s$ 的选择至关重要。虽然 $s \in (-1, 0]$ 对某些弱纠缠态有效，但 $s = -1$ 通常具有最强的检测能力，能覆盖更广泛的纠缠态范围（包括强纠缠态）。
对于纯高斯态，仅使用基于广义准概率函数的特殊测量（ $s=-1$ ）就足以完全见证网络非局域性。

5. 意义与影响 (Significance)

填补理论空白：解决了 CV 量子网络中缺乏通用非局域性判据的问题，特别是针对无限维系统和多输出场景。
实验指导：提出的测量方案（分束器 + 光子探测器）在实验上高度可行，为未来构建基于 CV 的量子网络（如量子互联网、分布式量子计算）提供了具体的验证蓝图。
应用前景：
- 设备无关量子密钥分发 (DI-QKD)：网络非局域性是 DI-QKD 的核心资源，该研究为 CV 系统的 DI-QKD 提供了理论基础。
- 量子传感与通信：为利用 CV 网络进行高精度量子传感和分布式量子信息处理提供了新的协议设计思路。
- 混合网络：该方法不仅适用于纯 CV 网络，也适用于混合了离散变量（DV）和连续变量（CV）的“混合”量子网络，具有广泛的适用性。

综上所述，该论文通过引入广义准概率函数和上确界策略，成功建立了一套完整、通用且实验可行的理论框架，用于探测连续变量量子网络中的非局域性，极大地推动了该领域从理论向实验的跨越。