由衍射神经网络实现的高保真空间模式量子门

可靠的量子门是量子信息处理的基本组成部分。然而，以可扩展、紧凑的方式和超高保真度实现高维酉变换仍然是一个巨大的挑战。

为了解决这个问题，中国科学家展示了使用深度衍射神经网络(D2NN)构建一系列高维量子门，这些量子门由光子的空间模式编码。这项工作发表在《光：科学与应用》上，为使用深度学习的量子门设计提供了新的范例。

量子计算有望改变我们的信息处理方法，其核心是可靠的量子逻辑门在量子信息处理中发挥着至关重要的作用。

虽然已经演示了各种类型的量子门，但光子量子门天然兼容量子通信，并引起了量子信息领域的极大兴趣。

光子空间模式中正交基的内在无限性提供了广泛的编码字母表，鼓励高维量子信息处理的创造力。然而，以准确、可扩展、紧凑的方式和超高保真度实现高维酉变换仍然是一个重大挑战。

由武汉光电国家实验室、华中科技大学光电信息学院、中国光谷实验室的王健教授领导的科学家团队及其同事演示了深衍射技术的使用神经网络(D2NN)构建一系列高维量子门，这些量子门由光子的空间模式编码。

他们实现了由三种拉盖尔高斯模式编码的所有三维X门和Hadamard门。通过量子过程断层扫描表征，门具有高达99.4(3)%的超高保真度。他们还采用独特的编码方法，利用单个光子的四种轨道角动量(OAM)模式来编码两位信息。

通过这种方法，他们实现了OAM的波前旋转方向(模式的符号)根据模式阶数的互换。该受控非门的重构过程矩阵的保真度为99.6(2)%，并且该高保真门能够实现可靠的量子计算。

他们还通过成功实施Deutsch算法证明了这种方法的适用性，该算法涉及基于他们的实验配置执行整个2量子位量子电路。该演示验证了执行复杂操作甚至量子电路的潜力。

前面提到的所有门的实验演示都显示了占地面积小、可扩展性强以及对不同模式基础的鲁棒性等优点。此外，基于可重构相位调制装置，该实现有利于智能部署，在执行自动协议以实现所需操作或优化实验性能方面显示出非凡的潜力。

为了给实验提供指导，他们分析了量子门性能与各种参数之间的关系，包括空间光调制器的损耗和特性。此外，他们对D2NN门的性能与传统波前匹配方法进行了比较分析，得出的结论是我们的方法以较小的能量损失为代价显着提高了可见度。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！