一周两篇顶刊！北大山大联合团队开辟量子态纯度量化新篇章

 

 

相干性和纠缠是量子系统的两个基本属性，它们对于量子技术的发展至关重要。量子计算、量子通信和量子测量学等领域都依赖于这些属性来实现其优势和功能。

 

然而，要精确量化这些属性，不仅仅是简单地检测它们的存在，而是需要重建完整的量子态谱系（测量集）。这涉及到一系列复杂的实验测量，其难度随着量子系统规模的增加而呈指数级上升。这种测量不仅技术上具有挑战性，而且还需要大量的资源和时间。

 

2024 年 6 月 15 日，山东大学、北京大学、清华大学、香港大学、IBM T.J. Watson Research Center、Politecnico di Torino等机构的研究人员提出了一种基于量子态纯度函数的量化方法，该方法不仅能够为不同类型的量子系统提供统一的量化标准，而且不需要复杂的实验设置和大量的数据收集。相关成果以“Quantification of entanglement and coherence with purity detection”为题发表于npj Quantum information。

 

 

针对量化量子系统的相关研究 

 

2023年7月，Dominik Koutný, Laia Ginés, Magdalena Moczata-Dušanowska, Sven Hafling, Christian Schneider, Ana Predojević以及Miroslav Ježek等人在《科学进展》上发表了题为“基于不完整测量的深度学习量化量子纠缠 ”的研究文章。量化量子系统中的纠缠对于量子信息处理和理解量子多体物理具有重要意义。然而，传统方法通常要求对量子态进行全面的复杂表征，这在资源受限的情况下往往难以实现。研究人员开发了一种创新的深度学习技术，该技术能够在不完全了解量子状态的情况下，通过不完整的局部测量集直接量化量子关联。这种方法不仅显著降低了量化误差，而且通过模拟数据训练的神经网络实现了对纠缠度的高精度估计。 

 

2023年11月，朱孟正教授及其团队在《量子电子学报》上发表了一篇题为“空间纠缠协助下对低纠缠GHZ态的确定性纠缠纯化”的文章。这项文章的核心在于解决量子纠缠在实际应用中的退化问题，特别是针对低纠缠度的GHZ态。传统上，纠缠纯化需要对量子态进行全面的表征，这在资源受限的情况下难以实现。为了克服这一难题，朱孟正教授的团队开发了一种创新的方案，该方案利用线性光学元件和空间纠缠作为辅助资源，通过不完整的局部测量集直接对量子关联进行量化。研究团队通过模拟数据训练的神经网络，实现了对纠缠度的高精度估计，显著降低了量化误差。 

 

量化量子系统的挑战 

 

量子系统的量化过程涉及到对量子态的精确测量和分析，该过程面临着一系列挑战。这些挑战主要源自量子系统的内在特性和现有技术的限制。

 

首先，量子态层析的资源消耗是一个显著的难题。为了获得量子系统的完整信息，需要进行大量的测量，这不仅对实验设备提出了高昂的成本要求，也使得实验设计变得复杂。特别是对于大规模量子系统，所需的资源和时间随系统大小指数增长，这在实际操作中显得尤为不切实际。 

 

其次，量子系统的脆弱性给量化过程带来了巨大的不稳定性。量子态对外部环境极其敏感，容易受到干扰而发生退相干，导致量子信息的丢失。在测量和量化过程中保持量子态的稳定性是一项艰巨的任务，因为即使是微小的环境变化也可能对量子态产生显著的影响。 

 

最后，数据分析的复杂性也是量化过程中的一个主要障碍。从实验中收集到的数据需要通过高级的数学和统计方法进行复杂的处理和分析，才能转化为有用的量子态信息。这一过程不仅技术要求高，还需要精确的误差估计和结果验证，以确保量化结果的准确性和可靠性。 

 

为了克服这些挑战，研究人员需要在理论和实验技术方面进行创新。发展新的量化方法，提高量子系统的稳定性，以及优化数据处理技术，都是推动量子系统量化发展的关键。 

 

量化的新方法 

 

在本论文中，研究团队提出了一种新的量化方法，用于衡量量子系统中的纠缠和相干性，这两个属性是量子技术发展的关键。不同于传统的需要重建量子态谱的方法，这项新技术通过检测量子态的纯度来进行量化，这大大简化了实验过程，降低了对实验条件的要求。这种方法不仅具有普适性，能够适用于各种量子系统，而且易于进行分析计算，使得对量子资源的量化更加高效和精确。 

 

具体来说，这种量化方法基于量子态的局部和全局纯度，为相干信息和相干性相对熵提供了理论上的上下界。这一点非常重要，因为它提供了一种新的视角来理解和量化量子资源，有助于我们更深入地掌握量子系统的计算能力和物理特性。此外，这种方法的实验友好性意味着它可以在现有的量子技术平台上实现，为量子信息处理的实验研究和应用开发提供了便利。 

 

为了验证论文中提出的量子纠缠和相干性的量化理论，作者们设计并实施了一系列精密的光学实验。值得注意的是，在实验部分，研究团队采用了量子光学系统来制备四量子比特的偏置Greenberger-Horne-Zeilinger (GHZ) 态，这是一种展示多体量子纠缠的量子态。实验中使用的关键组件包括周期性极化的磷酸钛钾（PPKTP）晶体和萨格纳克干涉仪（MZI）。PPKTP晶体被用来通过非线性光学过程产生纠缠的光子对，而萨格纳克干涉仪则用于控制和操纵这些光子的偏振和路径自由度，从而形成所需的GHZ态。所制备的GHZ态用于后续的纯度检测实验，这是量化量子纠缠和相干性的关键步骤。研究团队通过影子估计和集体测量两种方法来检测和量化GHZ态的纯度。

 

影子估计技术通过在随机测量来估计量子态的纯度。在这一过程中，首先对量子态实施局部随机酉变换，随后对变换后的量子态进行测量。通过多次重复这一过程能够收集到一组测量结果，这些结果被称为“影子”，它们代表了变换后量子态的多个方面。再利用这些影子对原始量子态的纯度进行估计，而无需完全了解其密度矩阵的全部信息。这种方法为量子态的纯度提供了一种无需全面量子态层析的估计手段，从而简化了量子信息的提取过程。

 

实验装置的示意图 

 通过影子估计方法得到的量化实验结果

 

而集体测量是一种涉及对量子态多个副本进行联合测量的方法。这种方法的核心在于执行贝尔态测量（Bell-state measurement, BSM），通过在每个量子比特及其相应副本（相同的量子态信息）之间执行贝尔状态测量（BSM），可以同时确定两个量子比特的联合状态，从而揭示量子比特之间的相关性。通过分析这些集体测量的结果可以提取出关键信息，特别是关于量子态纯度的数据。这种方法的优势在于它能够提供对量子态纯度的深入理解，而不需要进行复杂的量子态层析，从而为量子信息的表征和量子资源的量化提供了一种高效的途径。

 

  通过集体测量方法得到的量化实验结果

 

实验结果显示，通过影子估计和集体测量两种方法，能够成功估计四量子比特偏置GHZ态的纯度。

这个结果不仅验证了理论预测的准确性，也展示了基于纯度的量化方法在实际量子系统中的可行性。影子估计技术利用随机测量收集的“影子”数据，而集体测量则通过贝尔态测量对量子态的多个副本进行联合分析，两种方法均有效地界定了量子态的相干信息和相干性相对熵。 

 

总体而言，这项研究为量子信息科学领域带来了突破性进展，提供了一种基于量子态纯度的量化方法，这一方法为评估量子纠缠和相干性开辟了创新途径。与传统的量子态层析相比，它避免了复杂且资源密集型的过程，使我们能够快速获得量子态的关键特性信息。其中，这种方法的普适性表明，它不仅适用于研究中的四量子比特GHZ态，而且可以扩展到各种量子系统，从而在量子计算、量子通信和量子测量等多个领域展现出广泛的适用性。 

 

然后，这种方法还有一个显著优势，即实验友好性，它降低了技术门槛，使更多研究团队能够在不同的实验条件下应用这一技术，这推动了量子技术的创新和应用。实验中观察到的纯度估计的准确性和量子态纠缠的可观测性，不仅验证了理论模型的有效性，而且为量子态的实验操作提供了新的视角，有助于我们更深入地理解量子态的内在特性。

 

最后，这种方法在实验中的成功应用，为量子态的制备和测量技术提供了新的优化方向，这有助于提高量子实验的准确性和可靠性。这项研究也为量子实验的未来发展奠定了基础。随着实验方案的不断优化和技术精度的提高，我们可以期待在未来的量子实验中实现更高质量的量子态制备和测量，这将进一步推动量子技术在各个领域的应用和发展。

 

团队简介 

 

该论文由山东大学、北京大学、清华大学、香港大学、IBM T.J. Watson Research Center、Politecnico di Torino等多个机构的研究人员共同撰写。其中，通讯作者为山东大学逯鹤和北京大学计算前沿研究中心袁骁(排名不分先后)。

 

逯鹤，男，山东大学教授、博士生导师，入选国家级青年人才计划，国家重点研发计划首席科学家（青年项目），山东省杰出青年基金获得者，山东省泰山学者（青年专家），山东大学杰出中青年学者，山东大学齐鲁青年学者，中科院“百篇优秀博士学位论文”入选者。2013年于中国科学技术大学取得博士学位。2013-2017于中国科学技术大学先后任博士后研究员、副研究员。主要从事量子光学和量子信息的实验研究，研究系统包括线性光学系统及宽禁带半导体系统，研究方向涉及量子力学基本问题，量子模拟和量子精密测量。 

 

袁骁，现任北京大学前沿计算研究中心助理教授，博士生导师，北京大学博雅青年学者，于2020年11月正式加入中心。他于2012年和2016年分别在北京大学和清华大学获学士、博士学位，之后于2017年、2017-2019年、2019-2020年分别在中国科学技术大学、牛津大学、斯坦福大学进行博士后研究。研究兴趣包括量子计算、量子信息、量子资源理论等。截至2024年1月，袁骁博士在物理领域顶级国际会议及期刊发表论文87篇。加入中心后，袁骁博士创立量子模拟和量子信息实验室，该实验室的研究方向包括量子模拟算法设计、量子机器学习、量子基础理论等。

 

值得注意的是，北大袁骁团队最近还取得了一项重要的研究成果！在实验协议中，提升了电路深度和运行时间，这是化学模拟的关键指标。通过系统的硬件增强和错误缓解技术的整合，研究人员克服了理论和实验的限制，并成功地将VQE算法扩展到了12个量子比特，实现了大约两个数量级的误差抑制。其相关成果于6月11日以“Experimental quantum computational chemistry with optimized unitary coupled cluster ansatz”为题发表于nature physics。

 

 

参考链接

https://faculty.sdu.edu.cn/luhe/zh_CN/index.htm https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.132.180201 https://cfcs.pku.edu.cn/people/faculty/xiaoyuan/index.htm https://www.nature.com/articles/s41534-024-00857-2 https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.132.180201 https://www.phy.sdu.edu.cn/info/1059/7471.htm http://lk.hfcas.ac.cn/CN/10.3969/j.issn.1007-5461.2023.06.014