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，以超高保真度的可扩展和紧凑的方式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（D2NNs）构建一系列高维量子门的方法，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一种新的范式

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

虽然已经证明了各种类型的量子门，但光子量子门与量子通信自然兼容，并在量子信息领域引起了相当大的兴趣

光子空间模式中正交基的固有无穷大提供了广泛的编码字母表，鼓励了高维量子信息处理的创造力。然而，以精确、可扩展和紧凑的方式实现超保真度的高维酉变换仍然是一个重大挑战

由武汉光电国家实验室和华中科技大学光电信息学院的王健教授及其同事领导的一个科学家团队展示了使用深度衍射神经网络（D2NNs）构建一系列由光子空间模式编码的高维量子门

他们实现了由三种拉盖尔-高斯模式编码的所有三维X门和阿达玛门。通过量子过程层析成像，这些门表现出高达99.4（3）%的超高保真度。他们还采用了一种独特的编码方法来编码两位信息，利用单个光子的四种轨道角动量（OAM）模式

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

他们还通过成功实现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。这一演示验证了执行复杂运算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出占地面积小、可扩展性强和对不同模式库的鲁棒性强的优点。此外，基于可重新配置的相位调制设备，这种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

为了为实验提供指导，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门与传统波前匹配方法的性能进行了比较分析，得出的结论是，我们的方法以较小的能量损失为代价显著提高了可见性