⚛️ 量子物理

Loss-aware optimization of realistic GKP gid states

本文提出了一种用于制备逼真 Gottesman-Kitaev-Preskill (GKP) 态的损耗感知优化策略，该策略通过调整初始网格间距以补偿光子损耗，从而制备出相比于针对理想条件制备的态具有更优的 GKP 挤压特性和更强韧性的状态。

原作者： Michal Matulík, Petr Marek

发布于 2026-11-02

📖 1 分钟阅读🧠 深度阅读

原作者： Michal Matulík, Petr Marek

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

在构建量子计算机的探索过程中，科学家们正在研究许多不同的物理系统，从超低温电路到陷阱离子。一条充满前景的途径是利用光本身，即被称为玻色子系统的连续电磁场波。与标准的数字比特（非零即一）不同，这些系统可以存在于极其广阔、无限的各种状态中。为了使其能够用于计算，研究人员必须在这一无限空间内刻画出一个稳定且具有抗误差能力的结构。最成功的蓝图被称为Gottesman-Kitaev-Preskill，简称GKP码。想象一下试图让一支铅笔在笔尖上保持平衡；这是极其不稳定的。现在，想象将那支铅笔放在一个深而窄的山谷中。即使风吹过，铅笔可能会摇晃，但山谷的侧壁会将它推回中心。GKP码在量子世界中创造了类似的“山谷”，即一个用于存储信息的网格状景观。这个网格如此锐利且规整，以至于即使环境试图轻微扰动系统，代码也能检测并纠正错误，从而保护量子信息安全。

然而，在真实的实验室中创造这些完美的“山谷”是非常困难的。主要的障碍是损耗。当光线通过光纤或镜面传播时，其中一部分不可避免地会消失。在量子世界中，这种损耗不仅仅是信号变暗；它就像一层雾，模糊了网格锐利的边缘，并让山谷中充满了噪声。如果网格变得过于模糊，纠错能力就会消失，计算机也会随之失效。多年来，标准的方法是首先尝试构建尽可能完美的网格，然后寄希望于它能在大规模损耗中幸存下来。但是，来自帕拉茨基大学（Palacký University）研究人员的一项新研究提出了一种不同的策略：与其对抗迷雾，不如设计一个预料到迷雾存在的网格。

研究人员 Michal Matulík 和 Petr Marek 研究了如何在已知必然会发生光子损耗的情况下准备这些 GKP 态。他们提出了一个简单而深刻的问题：如果我们知道光在被使用之前会损失一部分能量，我们是否应该从一开始就以略微不同的方式构建网格？他们的工作依赖于详细的计算机模拟而非新的物理实验，证明了答案是肯定的。通过调整网格点的间距以补偿预期的损耗，他们发现可以创造出显著更加稳健的状态。

要理解他们的方法，首先必须理解如何衡量这些状态的质量。研究人员使用了一个称为“GKP 挤压”（GKP squeezing）的指标。用通俗的话说，这是一个分数，告诉你一个量子态在面对损耗引起的模糊效应时，保持其形状的能力有多强。较低的分数意味着更锐利、更稳定的网格。团队模拟了三种不同类型网格的制备过程：正方形图案、六边形蜂窝图案和非对称矩形图案。对于每种类型，他们都运行了模拟，以寻找能产生最佳得分（在损耗发生后）的初始网格间距。

结果在三种形状中都是清晰且一致的。最优的起点绝不是在无损耗世界中所追求的那种“完美”网格间距。相反，最好的策略是开始使用一个比理想目标稍大或间距略有不同的网格。当这个经过预先调整的网格受到模拟损耗的影响时，它会精确地收缩到理想形状，从而落入一个比标准网格（经受相同程度损耗后自然收缩后的状态）更具抗误差能力的态。这就像一位裁缝，预料到布料在洗涤后会缩水，因此在裁剪图案时会稍微留大一点，以便最终的成衣尺寸完美。

模拟表明，这种具备“损耗感知”能力的优化处理能产生更好的 GKP 挤压得分，这意味着状态质量更高且更稳定。这种改进在研究人员模拟高能量水平（对应于更大、更复杂网格）的系统时尤为明显。在高能量场景下，这种优化制备带来的优势变得非常显著。研究人员还发现了一个微妙但重要的物理细节。随着损耗的增加，问题的数学景观发生了变化，导致不同的可能状态发生混合，这种现象被称为“避越交叉”（avoided crossing）。他们发现，对于某些损耗水平，最佳方案不再是一个简单的单一网格，而是一种更复杂的混合体。然而，对于当前及近期实验相关的损耗范围，仅仅调整初始网格间距的策略表现得非常出色。

该研究明确排除了“仅仅尝试最小化损耗”或“在设计阶段忽略损耗”的想法。他们还指出，由于 GKP 码在应对相位退相干（dephasing）方面天生较弱，因此他们的方法并未解决这类影响量子波定时（timing）的噪声问题。他们也没有考虑热噪声，因为热噪声会增加热量但不会改变网格结构。他们的关注点严格限于困扰光学系统的光子损耗。

这项工作的意义在于对未来量子计算的实用性。虽然模拟是在计算机上进行的，但该策略为从事光学研究的实验人员提供了一个直观的指南。通过调整状态制备电路的参数以补偿已知的损耗，他们可以生产出更高质量的量子态，而无需更换硬件。这对于陷阱离子和超导电路等平台尤其适用，因为这些平台的能量水平足够高，足以清晰展现出这种优化带来的收益。研究人员总结道，通过拥抱损耗的现实并围绕它进行设计，而不是与之对抗，我们可以朝着实现真正能在现实世界中运行的量子计算机迈出重要一步。

技术摘要：面向现实 GKP 网格态的损耗感知优化

问题陈述
Gottesman-Kitaev-Preskill (GKP) 态的制备是实现玻色子系统容错量子计算的关键瓶颈，在光子平台中尤为如此。虽然理想的 GKP 态在相空间中拥有完美的周期性网格结构，能够通过高斯操作实现高效的误差纠正，但实验制备的态不可避免地是完美的近似。不完美性的主要来源是光子损耗，它会使网格间距收缩并引入噪声底。传统的优化策略通常针对理想的无损态；然而，作者认为，针对具有已知损耗的现实场景来表征和优化态是至关重要的，因为理想态是物理上不可实现的且需要无限能量。此外，标准的保真度度量对于这些非物理目标并不实用，且有效的挤压参数也难以评估。

方法论
作者提出了一种使用 GKP 挤压 ( $\xi$ ) 作为操作性能度量的“损耗感知”优化程序。GKP 挤压被定义为一个特定正定算符 $\hat{O}(g)$ 的期望值，其基态对应于各种拓扑结构（正方形、六角形、非对称）的理想 GKP 态。

为了考虑光子损耗，作者使用强度透射率为 $\eta^2$ 的非平衡分束器对损耗通道进行建模。作者并没有在状态经过损耗通道后最小化其 GKP 挤压，而是通过数学手段将损耗通道从状态转移到算符上。这产生了一个修正后的算符 $\hat{O}(g, \eta)$ （公式 13），其中位移算符被缩放了 $\eta$ 倍，并受到依赖于损耗的高斯因子衰减。

该优化协议包括：

数值基态搜索：在有限维 Fock 空间（截断维度为 $N$ ）内寻找修正算符 $\hat{O}(g, \eta)$ 的基态（最小特征值本征态）。
网格参数调优：确定最优的初始网格参数 ( $k$ )，以在给定损耗 $\eta$ 的情况下最小化 GKP 挤压 $\xi$ 。作者研究了最优初始网格是否与理想网格 ( $g$ ) 相匹配，或者是否需要不同的间距。
拓扑分析：该程序应用于三种不同的 GKP 拓扑结构：
- 正方形网格 ( $|0_S\rangle$ )
- 六角形网格 ( $|0_H\rangle$ )
- 非对称矩形网格 ( $|0_L\rangle$ )
避越交叉分析：作者监测能隙（ $\Delta$ ，即基态与第一激发态之间的能量差）。他们定义了一个阈值（ $\Delta < 10^{-3}$ ）来识别基态简并或避越交叉现象改变网格几何结构的区域，这些现象可能会破坏 GKP 特有的结构。

核心贡献与结果

最优网格间距：数值模拟表明，在存在损耗的情况下，最优制备 GKP 态通常需要一个与目标理想编码态不同的初始网格间距。具体而言，对于对称晶格（正方形和六角形），最优参数渐近地遵循一个简单的缩放关系。虽然最优网格通常对应于一个“收缩”的网格（ $k \approx g\eta$ ），但作者指出，对于特定的损耗区间（例如 $\eta^2 \sim 0.85$ ），制备一个间距为 $k \approx g/\eta$ 的较大网格是有益的，其性能可与最优解相媲美。
增强的鲁棒性：使用这些优化参数制备的态，与使用固定理想参数随后遭受损耗的态相比，表现出显著更好的 GKP 挤压 ( $\xi_{opt}$ ) 和对损耗更大的韧性。
渐近行为：在无限希尔伯特空间维度（ $N \to \infty$ ）的极限下，作者推导出了非优化态和优化态 GKP 挤压的解析表达式。优化态显示出随损耗增加而退化速度更慢的特性。
避越交叉现象：研究识别了一个关键区域，在该区域内，基态与第一激发态之间的能隙变得很小（避越交叉）。在此区域，基态可能会失去其独特的 GKP 类网格结构，变成一种混合态。作者指出，对于某些损耗值，最优基态可能会向具有不同网格几何结构的机制转变。
Wigner 函数分析：Wigner 函数的可视化证实，优化后的态比非优化态保持了更高的峰值极大值和更低的极小值。相空间中的峰值受到的退化和偏移较小，这表明优化后的态即使在退相干的情况下也能更好地保持编码的稳定特性。

意义与主张
本文声称提供了一种“简单且具有实验相关性”的策略，用于在已知光子损耗率时改进现实光子 GKP 态的制备。通过利用 GKP 挤压算符作为代价函数，实验人员可以优化其态制备电路，使其针对那些天生对特定损耗更具鲁棒性的平台进行制备。

作者对于在当前实验典型的低维希尔伯特空间中的近期应用持谨慎态度，指出在这些情况下效应并不显著。然而，他们强调，随着态的维度和能量的增加，这些益处将变得日益显著。因此，该策略被认为对于能够生成更高能量态的平台（如捕获离子、超导电路或利用确定性高阶光学非线性的系统）具有高度相关性。这项工作确立了在设计阶段考虑损耗（而非将其视为事后误差）可以产生从根本上更鲁棒的量子资源。

类似论文