Self-guided certification of nonlocality in quantum networks

在奇异的量子物理世界中，粒子可以以一种挑战我们对因果关系日常理解的方式联系在一起。当两个粒子处于“纠缠”状态时，其中一个粒子的变化会瞬间影响另一个，无论它们相隔多远。这种现象曾被阿尔伯特·爱因斯坦怀疑地称为“幽灵般的远距离作用”，并通过被称为贝尔定理（Bell's theorem）的著名测试被证明是真实的。最初的这项测试表明，宇宙不能仅用简单的、局部的规则来解释，即物体只能影响其相邻的邻居。然而，随着科学家们从测试粒子对转向构建复杂的量子连接网络，规则变得更加错综复杂。在这些量子网络中，多个独立的源将粒子分发给不同的人，从而创造出一个复杂的关联网络，而标准的测试难以轻易检测出这种网络。研究人员面临的挑战是，如何找到一种方法来证明这些复杂的网络确实是在以量子方式运行，而不是利用巧妙的经典技巧来模仿量子行为，尤其是在用于测量它们的设备并不完美或存在噪声的情况下。

现在，一组研究人员开发出了一种解决此问题的新方法，他们称这种技术为“自引导”（self-guided）协议。想象一下，你试图在一个广袤且大雾弥漫的山脉中寻找最高峰，而雾气如此浓厚，以至于你只能看清前方几英尺的距离。传统的方法要求你在开始攀登之前，必须拥有一张完整的、完美的整个景观地图，但这对于复杂的量子系统来说通常是不可能实现的。相反，这种新方法允许探索者迈出一步，检查脚下地面的高度，然后根据这种即时反馈来决定下一步的方向。研究人员将这一想法应用于一个形状为三角形的特定量子网络，其中三个独立的源向三个不同的观察者发送粒子。他们的目标是调整观察者测量设备的设置，以最大化体现“量子怪异性”的证据，即所谓的违反网络不等式。

该过程分为两个截然不同的阶段。首先，研究人员使用计算机模拟来引导寻找最佳测量设置的过程。他们不需要预先知道粒子的确切状态；他们只需运行一种数学算法，稍微微调测量角度，检查结果，然后重复这一过程数千次。为了提高效率，他们使用了一种名为“经典影子”（classical shadows）的技术，这是一种通过极少量的测量就能收集到足够信息来估计测试结果的方法。这使得算法能够快速在复杂的可能性景观中进行导航，即使数据带有一定的噪声。然而，由于这种初始搜索依赖于统计估计，它有时会被随机波动所误导，导致算法误以为找到了量子峰值，而实际上它只是发现了一个统计上的幻象。

为了确保结果的真实性，该协议包含了一个至一个至关重要的第二阶段：直接验证。一旦算法确定了一组特定的测量设置，研究人员就不再使用统计估计。相反，他们在量子系统上实际实施这些精确的设置，并统计测量的实际结果。这最后一步起到了严格的现实检查的作用。如果来自直接测量的结果仍然显示出对经典极限的强烈违反，那么该网络就是真正的非局域的。研究人员在各种量子态上测试了这种方法，包括完全纠缠的量子态以及其他受到噪声部分损坏的量子态。他们发现，只要在搜索阶段使用足够的数据来平滑统计噪声，该方法就能成功识别出量子行为。

这项通过数值模拟开展的研究表明，这种自引导方法是一种强大的工具，可以在不需要了解被测设备内部运作机制的情况下，对量子网络进行认证。对于那些粒子源相互独立且测量过程复杂的网络，该方法尤为有效。研究人员展示了即使在量子态并不完美的情况下（模拟了光子丢失或不完美源等现实世界条件），该协议仍能找到揭示系统量子特性的设置。他们还发现，该方法的成功在很大程度上取决于收集数据的量：数据过少会导致假警报，而足够的数据则能让算法区分出真实的量子信号与背景噪声。

这项工作为未来的量子通信和量子计算提供了一条切实可行的路径。随着科学家们构建更大、更复杂的量子网络，他们需要可靠的方法来验证这些系统是否按预期工作，而无需对设备提出不可能的要求。自引导协议通过让系统本身引导搜索过程，随后进行严格的检查来确认发现，从而提供了一种实现这一目标的方法。虽然目前的结果是基于模拟的，但研究人员指出，该方法非常适合现实世界的实验，特别是使用光粒子的实验，因为它最大限度地减少了在搜索阶段进行复杂且易出错操作的需求。通过将解决方案的搜索与解决方案的最终证明分离，该方法为认证处于量子世界核心的那些奇特而强大的关联提供了一个稳健的框架。