Variational Quantum Optimization of Noisy Polarization Qubit Experiments
本文展示了变分量子优化在对抗噪声极化量子比特实验中硬件缺陷方面的应用，在实现与传统方法相当的自动化极化补偿的同时，分析了噪声的影响，并提出了针对光纤网络节点的未来混合优化策略。
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
在量子网络这一新兴领域，科学家们正在构建能够利用光的奇特属性来传输信息的系统。这些网络有望彻底改变通信方式，实现不可破解的安全通信，并将强大的计算机连接到遥远的距离。然而，物理世界是混乱的。承载这些脆弱信号的光纤会受到温度变化和物理应力引起的持续、细微变化的影响。这些变化会扭转光的偏振——即光波振动的方向——就像用手扭转绳子一样。如果这种扭转得不到修正，光所携带的信息就会变得混乱并丢失。多年来，解决这个问题一直需要复杂的手动调整或专门的设备，而这些设备通常假设光是以一种完全可预测的方式运行的，但这种假设在现实世界中往往会失效。
伊利诺伊大学的一个研究小组现在展示了一种利用称为变分量子优化（varials quantum optimization）的方法来解决这一问题的新途径。该研究人员并没有试图测量光纤的扭转程度，然后再计算如何撤销它，而是教导他们的系统自主学习解决方案。他们建立了一个简单的实验，其中一束光（代表单个信息粒子）从发送方通过一段光纤传输到接收方。光纤充当了一个噪声信道，随机扰乱了光的偏振。研究人员并不知道光纤是如何扭转光的，也不知道修复它最佳的设置是什么。相反，他们使用计算机自动调节放置在发送端和接收端的特殊玻璃板（称为波片）的角度。这些波片就像是光的调节透镜，能够将偏振旋转到任何所需的角度。
系统的运作方式是通过测试不同角度的组合，观察接收方读取原始信息的效果如何。如果某个设置能产生更清晰的信号，计算机就会保留该设置并尝试进一步改进；如果信号很差，它则会尝试另一条路径。这个过程类似于登山者在浓雾弥漫的山谷中寻找最低点，通过小步移动来感受坡度，而无需看到整个景观。研究人员在两项特定任务上测试了这种方法：区分两种不同的光态，以及执行一个更复杂的信息检索游戏。在这两种情况下，系统都成功找到了抵消噪声的最佳设置，其结果几乎与最佳理论性能一致。
该研究最重要的发现之一是比较了计算机确定波片移动方向的两种不同方法。第一种被称为“有限差分法”（finite-difference），涉及对角度进行微小的、微观的调整并观察信号的变化。这种方法很快，因为波片不需要移动很远，但它很容易被检测器的自然背景噪声所干扰，因为噪声可能会掩盖信号的微小变化。第二种方法被称为“参数位移规则”（parameter-shift rule），它会进行更大、更刻意的角度跳跃。虽然这需要更多时间（因为机械部件必须移动更长的距离），但它对噪声的鲁棒性极强。研究人员发现，较大的跳跃让系统能够清晰地看到问题的真实形态，从而忽略了那些令微小步进感到困惑的随机静态噪声。
实验表明，虽然较快的“小步进”方法可以快速找到解，但由于噪声和硬件缺陷，它经常陷入“局部陷阱”——即看起来不错但并非最优的设置。而较慢的“大步进”方法即使在存在显著背景噪声的情况下，也能稳定地找到真正的最佳解。团队还发现，该系统可以自动实现经典系统无法达到的性能水平，证明了即使在硬件不完美且环境多噪的情况下，依然可以保持量子优势。
研究人员指出，他们的系统是在单光子水平上运行的，这是实现真实量子通信所必需的。他们观察到，用于计数光的探测器会产生少量的错误信号，即“暗计数”，这为结果的完美程度设定了极限。尽管存在这一限制，优化后的系统表现出的平均误差与理论理想值相比仍小于0.5%。对于更复杂的信息游戏，系统的表现比经典物理学所能达到的水平高出10%以上，证明了即使在不知道噪声或光纤行为的具体情况下，也可以自动恢复量子优势。
这项工作表明，量子网络的未来可能不再依赖于完美的、静态的硬件，而是依赖于能够实时补偿自身缺陷的自适应系统。研究人员展示了通过将网络视为一个“黑盒”，并利用算法搜索最佳设置，他们可以实现偏振补偿这一繁琐且困难的任务的自动化。这种方法不需要深入了解影响系统的具体噪声，因此是一种通用的工具，可以应用于不同类型的量子硬件。虽然目前的实验使用了移动缓慢的机械波片，但此处演示的原理未来可以应用于更快的电子控制，从而使量子网络能够在无需人工干预的情况下持续运行。研究结论认为，变分优化是使量子网络在噪声和缺陷成为常态的现实世界中变得足够稳健的一条充满前景的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。