🔬 optics

Experimental quantum state learning with pairs of photons

本文通过测量单光子并基于到达时间进行回顾性配对，实验性地论证了一种通过识别两态量子比特混合物中各组成纯态及其权重的方案，在约10,000个光子的规模下，实现了对同一混合态的不同制备方式的高保真度判别。

原作者： C. Pria Dobney, Johan Henaff, Allen Kasum, Rui Jie Tang, Haru Mukumoto, Mark Hillery, Berthold-Georg Englert, Aephraim Steinberg

发布于 2026-06-16

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： C. Pria Dobney, Johan Henaff, Allen Kasum, Rui Jie Tang, Haru Mukumoto, Mark Hillery, Berthold-Georg Englert, Aephraim Steinberg

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

想象一下，你正在试图猜测一种神秘汤的秘密配方。你可以品尝这道汤，但有一个限制：这道汤是两种不同高汤（我们称之为“番茄”和“罗勒”）的完美混合物。

如果你只是舀起一勺来品尝，你能感觉到它是混合物。你可以测量番茄风味与罗勒风味的比例，但你无法 100% 确定到底使用了哪种特定的番茄或罗勒，因为许多不同的成分组合都可以创造出完全相同的味道。在量子物理世界中，这被称为“密度矩阵”。它告诉了你混合物的统计特性，但隐藏了单个成分的身份。

“配对”技巧
这篇论文描述了一个聪明的实验，科学家们发现了一种方法，即使成分混合在一起，也能识别出确切的成分。

以下是类比：
想象爱丽丝（Alice）正在向鲍勃（Bob）发送一串汤匙。她保证每一勺都包含纯粹的“番茄”或纯粹的“罗勒”，但她将它们随机混合在一起。

问题在于： 如果鲍勃只是逐一品尝这些汤匙，他只能弄清楚其中的比例（例如 50% 番茄，50% 罗勒）。他无法知道这个“番茄”是来自特定的藤蔓，还是“罗勒”来自特定的花园。
解决方案： 爱丽丝有一个秘密。她知道她发送的每一勺“番茄”都秘密地与另一勺“番茄”配对，每一勺“罗勒”也与另一勺“罗勒”配对。她在品尝之前并不会告诉鲍勃这一点。她只是把汤匙发过去。
神奇的一步： 在鲍勃品尝并记录完所有的汤匙后，爱丽丝会发给他一份清单说：“好了，第 1 号和第 42 号汤匙是一对。第 5 号和第 99 号汤匙是一对。”

通过在事后将汤匙进行分组，鲍勃可以从不同的角度观察数据。与其看一个模糊的混合物，他现在可以发现：“当第 1 号汤匙是番茄时，它的搭档第 42 号也是番茄。”这种额外的层级信息让他在数学上能够分离出两种成分，并确定它们的精确状态及精确概率。

他们在实验室里做了什么
科学家们没有使用汤，而是使用了光子（光粒子）。

光源： 他们使用一种特殊的晶体制造出成对的光子。
混合： 他们操纵光子的偏振（光波振动的方向），以创造出两种特定状态（例如垂直和水平振动）的随机混合。
测量： 他们逐个测量光子，记录下每个光子到达的精确时间。
配对： 随后，他们利用到达时间将光子“配对起来”，就像爱丽丝向鲍勃发送清单一样。
结果： 通过使用这些“配对数据”，他们成功识别出了两个隐藏状态的确切身份以及它们出现的频率。

效果如何？
团队测试了在两种状态变得难以区分之前，它们可以有多接近。

他们发现，如果两个状态过于相似（比如两种几乎无法分辨的红色），他们就需要大量的数据才能将它们区分开来。
他们发现，通过大约 10,000 对光子，他们可以实现 99.99% 的准确度来识别这些状态。
他们还发现了一个极限：如果两个状态在光的“色轮”上相差小于 15 度，该方法就无法再可靠地分辨它们。

为什么这很重要？
这篇论文表明，通过使用“到达时间”信息在测量后将粒子分组，我们可以比使用标准测量方法所能了解的更多量子系统信息。这就像是通过两次观察拼图碎片来解谜：一次是单独观察，另一次是在被告知哪些碎片属于一组之后再次观察。

研究人员还探索了这些混合物中可以封装多少信息。他们发现，虽然通过让状态靠得更近可以封装更多的“比特”信息，但这需要指数级增长的光子数量来正确读取。这是一种权衡：你可以发送更密集的信息，但你必须发送更大体积的光才能解码它。

总结
这个实验证明了一个理论设想：如果你有一串量子粒子，并且你知道哪些是成对出现的，那么你就可以唯一地识别出构成混合物的特定状态，而这在仅使用单粒子测量时通常是无法实现的。他们通过光完成了这一过程，证明了“从配对中学习”是一种真实有效的技术。

技术摘要：利用光子对进行实验性量子态学习

问题陈述
标准的量子态层析成像允许估计描述同一组相同制备量子系统的密度矩阵 ( $\rho$ )。然而，存在一个根本性的限制：混合态密度矩阵通常不具备将其分解为组成纯态的唯一分解方式。因此，即使观察者（Bob）可以确定统计混合物 $\rho_{single} = p_0 |\psi_0\rangle\langle\psi_0| + p_1 |\psi_1\rangle\langle\psi_1|$ ，他也无法仅通过单粒子测量来唯一识别特定的纯态 $|\psi_0\rangle$ 和 $|\psi_1\rangle$ 以及它们的概率 $p_0$ 和 $p_1$ 。

Agarwal 等人 [12] 提出了一种理论方案来克服这一限制。他们证明，如果量子比特以对的形式到达，且每一对中的两个成员都处于相同的状态，那么生成的两量子比特密度矩阵 $\rho_{pair} = p_0 |\psi_0\psi_0\rangle\langle\psi_0\psi_0| + p_1 |\psi_1\psi_1\rangle\langle\psi_1\psi_1|$ 具有指向纯积态的唯一分解。这使得观察者能够推断出特定纯态的身份及其权重。本文通过使用光子偏振对这一“从对中学习”的概念进行了实验演示。

方法论
该实验利用自发参量下转换（SPDC）源产生一对简并的 808 nm 光子。其中一个光子（闲模光子）作为触发器，而另一个（信号光子）被送入偏振制备阶段。液晶波片（LCWP）根据施加的电压调制信号光子的偏振，通过在两种设置之间切换，生成两种不同偏振态 $|\psi_0\rangle$ 和 $|\psi_1\rangle$ 的统计混合。

信号光子经历单光子偏振层析成像，在六个基底（H/V, R/L, D/A）中进行投影测量。至关重要的是，实验记录了每一个探测到的光子的到达时间。尽管光子是单独测量的，但时间戳数据在测量后被用于根据已知的产生统计规律将光子“配对”。这种配对允许从单光子探测数据中重建两量子比特密度矩阵 $\rho_{pair}$ 。遵循文献 [12] 中的协议，随后对该 $\rho_{pair}$ 进行分解，以唯一识别 $|\psi_0\rangle$ 、 $|\psi_1\rangle$ 、 $p_0$ 和 $p_1$ 。

关键结果
作者研究了该协议在不同条件下的性能：

保真度与样本量： 对于正交态（例如 $|H\rangle$ 和 $|V\rangle$ ）以及相等或不等概率的情况，当探测到约 $10^4$ 个光子对时，重建态的保真度接近 99.99%。保真度满足 $1 - F \propto 1/N$ 的缩放关系，这与理论预测一致。
非正交态： 当两个状态是非正交的（在庞卡莱球上相距 $\pi/2$ ）时，需要更多的光子对才能达到相同的保真度。该协议成功区分了分离角度小至 $15^\circ$ 的状态。低于此阈值时，两个状态的曲线发生重叠，表明在给定样本量下无法区分它们。
状态判别： 实验测试了区分两种不同制备方式的同一单量子比特混合态的能力（即其底层的纯态不同）。通过改变两个不同混合物中纯态之间的夹角 $\theta$ ，作者发现对于 $N \sim 10^4$ ，分离角度小于 $5^\circ$ 的混合物变得难以区分。
信息容量： 研究计算了可以编码和区分的不同混合物的数量。对于分离角 $\theta$ ，可区分的混合物数量按 $8/\theta^2$ 缩放，从而产生 $\log_2(8/\theta^2)$ 的比特容量。虽然减小 $\theta$ 会增加每个符号的比特数，但所需的光子计数按 $1/\theta^2$ 缩放，导致每光子比特数下降。

意义与主张
本文声称实验验证了“从对中学习”协议，证明了获取配对信息（即使是通过到达时间在测量后确定的）可以实现混合态向其纯组分的唯一分解。这有效地绕过了标准单粒子层析成像中固有的非唯一性。

作者强调，这种方法使得推断密度矩阵的非线性函数（具体为分解为纯态）成为可能，而这些函数通过单粒子测量是无法获取的。这项工作为这种判别建立了一个实际限制：通过 $\sim 10^4$ 个对，系统可以分辨分离 $15^\circ$ 的纯态，并能区分正交态之间小于 $5^\circ$ 的不同混合物。结果表明，虽然通过减小分离角在理论上可以获得高信息密度，但资源成本（光子数量）呈二次方增长，这可能在通信场景中更倾向于使用较小的符号字母表。

类似论文