混合状态断层扫描的高效学习用于光子量子步行
Qin-Qin Wang1,2, Shaojun Dong3, Xiao-Wei Li4
1CAS Key Laboratory of Quantum Information, University of Science and Technology of China, Hefei 230026, China.
Science advances
|March 15, 2024
概括
我们开发了一种神经网络方法,用更少的测量来重建开放量子步行 (QW) 中的混合状态. 这种方法实现了高保真度,并提高了光子QW实验的可扩展性.
科学领域:
- 量子信息科学是一种量子信息科学.
- 量子计算是一种量子计算.
- 摄影系统是光子系统.
背景情况:
- 开放的量子步行 (QW) 为增强的应用利用噪声.
- 由于资源密集的混合状态断层扫描和物理测量约束,验证开放QW的成功是很困难的.
研究的目的:
- 开发一种更有效的方法,用于在开放的离散时间QW中重建混合状态.
- 为了减少状态断层扫描所需的测量次数.
- 为了提高光子QW设置的可扩展性.
主要方法:
- 利用神经密度运算符来建模量子系统及其环境.
- 为了加速训练,采用了通用的自然梯度下降.
- 推出了一种用于光子QW的紧干扰度测量装置.
主要成果:
- 实现了高保真混合状态重建 (约97.5%).
- 与传统方法相比,1D开放离散时间QW的测量要求减少了50%.
- 证明了混合状态的实验学习,具有可扩展的光子设置.
结论:
- 神经网络为传统状态断层扫描提供了强大而有效的替代方案.
- 拟议的方法提高了开放式QW应用程序的实用性和可扩展性.
- 这项工作促进了对噪声增强量子现象的实验研究.
