

关键词:量子导引,随机测量,误差缓解
导 读
本文是近期文章 Reliable Quantum Steering Detection under Imperfect Measurement 的深度解读。该工作由北京大学袁骁课题组、山东大学等单位合作完成,发表在物理学顶级期刊 Physical Review Letters。论文共同第一作者为北京大学博士后张婷和博士生张文昊。
该工作提出了一种基于随机测量(Randomized Measurement, RM)的量子导引(Quantum Steering)检测协议,为在不完美的实验条件下实现可靠的量子资源认证提供了创新思路。针对实际测量中由于仪器误差和未对准导致的“假阳性”误报问题,该方法通过在受信任方引入局部随机酉操作,成功将测量误差对导引不等式的干扰量级从

论文地址:
https://journals.aps.org/prl/abstract/10.1103/wgqg-hfw8
01
科研背景
量子导引是一种介于量子纠缠与贝尔非定域性之间的基本量子非定域关联形式[1][2]。它在单边设备无关的量子密钥分发、量子随机数生成以及量子计量学中发挥着核心作用。检测量子导引的一个常见方法是使用线性导引不等式。然而,这一理论框架隐含了一个苛刻的前提:受信任方的测量必须具备极高的精度。在真实的实验环境中,校准误差和光学未对准等不完美因素几乎是不可避免的,这会严重降低导引检测的可靠性,甚至导致得出存在导引的错误结论,即假阳性的结果。
此前的研究曾试图通过修正导引不等式的违背边界来解决这一问题,但这会引起
02
理论方案
为了解决测量不完美带来的严峻挑战,研究团队引入了一种简单但极其有效的随机测量(RM)协议 。该方法的核心思想如图1所示:
在受信任方(Bob)执行测量之前,首先对其量子态应用一个随机的

图1:随机旋转示意图
这种随机化过程巧妙地抵消了误差算符中的非对角元素,从而将
基于上述方法,研究团队给出了严格的理论证明。
在应用了随机测量协议后,受噪声影响的导引变量
03
实验验证
为了评估 RM 协议的实际性能,研究团队利用基于 Sagnac 环的偏振纠缠光子源生成了贝尔对角态,并在实验中进行了充分验证。 实验分别对 2-setting 和 3-setting 的导引不等式进行了测试,并人为引入了不同程度的测量未对准角度

图2:实验结果图
另外,在探测混合态参数
参考文献
[1] A. Einstein, B. Podolsky, and N. Rosen, Can quantum-mechanical description of physical reality be considered complete?, Phys. Rev. 47, 777 (1935).
[2] H. M. Wiseman, S. J. Jones, and A. C. Doherty, Steering, entanglement, nonlocality, and the Einstein-Podolsky-Rosen paradox, Phys. Rev. Lett. 98, 140402 (2007).
[3] A. Tavakoli, Quantum steering with imprecise measurements, Phys. Rev. Lett. 132, 070204 (2024).

图文 | 丁齐鸣
PKU Qtheory Group
量子模拟和量子信息实验室
Quantum Simulation and Quantum Information Lab
量子模拟和量子信息实验室由袁骁博士于2020年创立。该实验室的研究方向包括量子算法设计、量子机器学习、量子计算实验。
The Quantum Simulation and Quantum Information Lab was founded by Dr. Xiao Yuan in 2020 at Peking University, focusing on quantum simulation and computing algorithms and quantum information theory. We are currently focusing on three research directions:
Quantum computing
Quantum algorithms for NISQ and universal quantum computers
Quantum error mitigation and quantum error correction
Quantum computing for realistic problems
Quantum machine learning
Applying machine learning in quantum computing
Enhancing machine learning leveraging quantum computing
Quantum experiment
Efficient benchmarking and calibration of quantum hardware
Experimental implementation of quantum algorithms
实验室 PI:袁骁 助理教授
实验室相关新闻:#PKU Qtheory
实验室公众号:
Qtheory近期动态


— 版权声明 —
本微信公众号所有内容,由北京大学前沿计算研究中心微信自身创作、收集的文字、图片和音视频资料,版权属北京大学前沿计算研究中心微信所有;从公开渠道收集、整理及授权转载的文字、图片和音视频资料,版权属原作者。本公众号内容原作者如不愿意在本号刊登内容,请及时通知本号,予以删除。

点击“阅读原文”转论文链接
内容中包含的图片若涉及版权问题,请及时与我们联系删除


评论
沙发等你来抢