Betrouwbare kwantumpoorten vormen het fundamentele onderdeel van de verwerking van kwantuminformatie. Het realiseren van hoogdimensionale unitaire transformaties op een schaalbare en compacte manier met ultrahoge betrouwbaarheid blijft echter een grote uitdaging.

Om dit probleem aan te pakken, demonstreren wetenschappers in China het gebruik van diepe diffractieve neurale netwerken (D ² NNs) om een ​​reeks hoogdimensionale kwantumpoorten te construeren, die worden gecodeerd door de ruimtelijke modi van fotonen. Dit werk, gepubliceerd in Light:Science &Applications , biedt een nieuw paradigma voor kwantumpoortontwerp met behulp van deep learning.

Quantum computing houdt de belofte in zich onze methodologieën voor informatieverwerking te transformeren, en in de kern spelen betrouwbare kwantumlogische poorten een essentiële rol in de verwerking van kwantuminformatie.

Hoewel er verschillende soorten kwantumpoorten zijn gedemonstreerd, zijn fotonische kwantumpoorten uiteraard compatibel met kwantumcommunicatie en hebben ze aanzienlijke belangstelling gewekt op het gebied van kwantuminformatie.

De intrinsieke oneindigheid van orthogonale basen in de ruimtelijke modi van fotonen biedt een uitgebreid coderingsalfabet, dat creativiteit in de verwerking van hoogdimensionale kwantuminformatie stimuleert. Het realiseren van hoogdimensionale unitaire transformaties op een nauwkeurige, schaalbare en compacte manier met ultrahoge betrouwbaarheid blijft echter een aanzienlijke uitdaging.

Een team van wetenschappers, onder leiding van professor Jian Wang van het Wuhan National Laboratory for Optoelectronics en School of Optical and Electronic Information, Huazhong University of Science and Technology, China, Optics Valley Laboratory, China, en collega’s hebben het gebruik van diepe diffractieve neurale netwerken (D ² NNs) om een ​​reeks hoogdimensionale kwantumpoorten te construeren, die worden gecodeerd door de ruimtelijke modi van fotonen.

Ze implementeerden alle driedimensionale X-poorten en Hadamard-poorten gecodeerd door drie Laguerre-Gaussiaanse modi. De poorten vertonen ultrahoge betrouwbaarheid tot 99,4 (3)%, zoals gekarakteriseerd door kwantumprocestomografie. Ze gebruiken ook een unieke codeermethode om twee bits informatie te coderen, waarbij gebruik wordt gemaakt van vier orbitale impulsmoment (OAM)-modi van een enkel foton.

Met deze methode bereikten ze de uitwisseling van de golffrontrotatierichting van OAM (het teken van de modus) volgens hun modusorders. De gereconstrueerde procesmatrix van deze gecontroleerde NIET-poort heeft een betrouwbaarheid van 99,6(2)%, en deze hifi-poort maakt betrouwbare kwantumberekeningen mogelijk.

Ze hebben ook de toepasbaarheid van deze aanpak aangetoond door met succes het Deutsch-algoritme te implementeren, waarbij het hele 2-qubit-kwantumcircuit wordt uitgevoerd op basis van hun experimentele configuratie. Deze demonstratie valideert het potentieel van het uitvoeren van complexe operaties of zelfs kwantumcircuits.

De experimentele demonstraties van alle eerder genoemde poorten tonen de voordelen aan van een kleine footprint, grote schaalbaarheid en robuustheid voor verschillende modusbases. Bovendien is deze implementatie, gebaseerd op het herconfigureerbare fasemodulatieapparaat, bevorderlijk voor intelligente implementatie, die een buitengewoon potentieel laat zien bij het uitvoeren van automatische protocollen om gewenste bewerkingen te realiseren of om de experimentele prestaties te optimaliseren.

Om richtlijnen voor experimenten te geven, analyseerden ze de relatie tussen de prestaties van de kwantumpoort en verschillende parameters, waaronder verlies en kenmerken van de ruimtelijke lichtmodulator. Daarnaast voerden ze een vergelijkende analyse uit van de D ² De prestaties van NN Gate vergeleken met de traditionele benadering van golffrontmatching leiden tot de conclusie dat onze aanpak de zichtbaarheid aanzienlijk verbetert tegen geringe kosten van energieverlies.

Meer informatie: Qianke Wang et al, Ultrahigh-fidelity kwantumpoorten in ruimtelijke modus in hoog-dimensionale ruimte door diffractieve diepe neurale netwerken, Licht:wetenschap en toepassingen (2024). DOI:10.1038/s41377-023-01336-7

Journaalinformatie: Licht:wetenschap en toepassingen

Aangeboden door TransSpread