CN111460421A - 基于最优化策略的量子态验证标准化方法 - Google Patents
基于最优化策略的量子态验证标准化方法 Download PDFInfo
- Publication number
- CN111460421A CN111460421A CN202010475173.4A CN202010475173A CN111460421A CN 111460421 A CN111460421 A CN 111460421A CN 202010475173 A CN202010475173 A CN 202010475173A CN 111460421 A CN111460421 A CN 111460421A
- Authority
- CN
- China
- Prior art keywords
- measurement
- quantum
- adaptive
- projection
- coincidence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012795 verification Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 238000011425 standardization method Methods 0.000 title claims abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 125
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 11
- 239000002245 particle Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 2
- 238000009825 accumulation Methods 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 6
- 230000010287 polarization Effects 0.000 description 7
- 238000004587 chromatography analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- RDYMFSUJUZBWLH-UHFFFAOYSA-N endosulfan Chemical compound C12COS(=O)OCC2C2(Cl)C(Cl)=C(Cl)C1(Cl)C2(Cl)Cl RDYMFSUJUZBWLH-UHFFFAOYSA-N 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- WYOHGPUPVHHUGO-UHFFFAOYSA-K potassium;oxygen(2-);titanium(4+);phosphate Chemical compound [O-2].[K+].[Ti+4].[O-]P([O-])([O-])=O WYOHGPUPVHHUGO-UHFFFAOYSA-K 0.000 description 1
- 238000004335 scaling law Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/70—Quantum error correction, detection or prevention, e.g. surface codes or magic state distillation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/34—User authentication involving the use of external additional devices, e.g. dongles or smart cards
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/70—Photonic quantum communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/40—Physical realisations or architectures of quantum processors or components for manipulating qubits, e.g. qubit coupling or qubit control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Complex Calculations (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开了一种基于最优化策略的量子态验证标准化方法,其具体步骤如下:(1)调节量子设备产生所需要的量子态;(2)计算最优化验证策略下的测量基;(3)量子设备产生一份一份的量子态拷贝,然后选择最优化测量基对每一份拷贝测量,得到测试结果成功记为1或失败记为0;(4)统计首次失败发生的次数索引Nfirst以及N次测量中成功次数mpass;(5)根据统计结果估算设备产生目标态的置信度和保真度,对设备可靠性评估分析。本发明实现了量子设备工作可靠性的标准化检验,以消耗少的资源对量子态进行了估计,在数百个量子态拷贝下就可以达到90%以上的置信度,实用性好,可以作为量子设备检验的标准化方法。
Description
技术领域
本发明属于量子信息中的量子态验证领域,具体涉及到最优化验证策略在实际量子产品设备工作可靠性检验中的标准化。
背景技术
量子态产生设备是量子信息技术的重要设备模块,用来产生单粒子态和多粒子纠缠态,被广泛应用于量子通信、量子模拟和量子计算等领域,现在有许多成熟的量子态生成器正在应用到量子通信和量子计算各个领域。检验量子设备是否可靠和有效地产生了客户需要的量子态是量子态生成器产品大规模应用的重要一步,作为一个终端用户,我们收到量子设备后,希望调节其参数产生我们需要的量子态,但在实际应用场景中,设备构造并不是百分之百完美,在操作中也会存在各种各样的噪声,这样就会造成设备实际产生的量子态离我们需要的目标态具有一定的差异,用户的目标就是用尽量少的资源以一定的置信度判断出设备以特定的保真度产生了目标态。
现有的检验设备产生量子态的标准化方法是量子态层析,然而量子态层析随着粒子数和量子比特数的增多需要的测量基数目呈指数级的增长,而且需要上万量子态拷贝减少统计误差,在后期数据处理中需要最大似然估计得到密度矩阵,数据处理量大,非常耗时耗资源。近年来,一些非层析的方法被提出来用来进行量子态的验证,他们不需要具体知道量子态的密度矩阵,可以对量子态进行一个特定置信度的估计,得到其保真度的一个范围,然而这些方法要么对量子态做了一些特定假设,要么限定了特定的测量操作,在实际应用中不容易实现,迄今为止并没有一个统一的类似量子态层析那样的标准化方法得以建立。为此,我们通过对设备进行最优化策略的验证,建立了一套标准化的量子态验证流程,此流程具有普适性,未来可用于量子产品设备的检验。
发明内容
本发明的目的在于:为了克服传统量子态层析的不足,提供一套基于最优化验证策略的量子态验证标准化流程方法,规范量子态验证方案,全面高效分析量子设备。本发明采用的技术方案如下:
一种基于最优化策略的量子态验证标准化方法,包括如下具体步骤:
(1)产生目标态:针对不同的物理系综如离子、超导、光子、NV色心等,调节量子态生成器的各个部件,产生客户需要的目标态。首先优化好各个模块的相位,通过探测器观察标准基下各路的对比度,调节相位器使标准基下对比度最大。通过调节量子态中不同分量的相对强度和相对相位,观察探测端符合计数,在标准基下调节使符合计数对比度都是最大。根据客户需要的目标态|ψ(r,φ)>,调节态中不同分量强度和相对相位,使目标态的分量强度和相对相位为我们设置的目标强度和相位,从而使设备工作在目标态。
(2)计算最优化策略需要的投影测量:编程计算目标态|ψ(r,φ)>对应的密度矩阵,从而获得目标态中的参数r和φ的估计值。对于一个广义的纠缠态,理论给出其最优化策略对应的投影测量,测量基与目标态中r和φ的值有关,可以利用上面估计出的参量r和φ的值计算出投影测量对应的测量基,测量采用量子态分析仪实现,分为非自适应和自适应测量,自适应测量利用触发仪器实现。实际中选择多组r和φ参数的目标态,编写自动化的计算程序,对每个给定的目标态都可以通过参数r和φ得到量子态分析仪对应的仪器设置参数。
(3)投影测量实现:通过态分析仪对量子态测量,本方法同时采用非自适应测量和自适应测量,两种测量协同完成对量子态的全面评估。以A和B两粒子系统为例,非自适应测量在A、B之间不需要通信,各自执行局域的投影测量,自适应测量需要在A、B之间进行经典通信,把一方的测量结果实时传送到另一方,控制另一方的触发仪器转到相应的测量基,从而实现借助经典通信的自适应测量。
分析仪最后利用时间关联的计数器进行探测,测量中对各个通道符合计数进行记录,在最优化投影测量基下通过时间标签技术得到各个探测通道的响应时间戳。编写数据处理程序,从时间戳中分离提取特定时间窗口内的符合计数,在各个投影测量基下,策略会有对应的符合计数成功概率,若在符合时间窗口内,投影发生在了成功的两个符合通道上,则测量结果记为成功(1),否则记为失败(0)。
(4)验证测量结果统计:基于最优化验证策略,该发明采用两个协同任务机制确保验证的可靠性。
任务A顺序从测量集合中选择投影基,每次的测量按照投影基的概率随机选择,最终测试结果构成二进制字符串1111110…,记录首次失败0出现的位置Nfirst,每个Nfirst都有一个发生概率Pr(Nfirst),前Nfirst次累积成功概率:
作为设备产生目标态的一个置信度,取一个需要的置信度δA,可以得到需要的测量次数nexp,即为达到δA置信度消耗的量子态拷贝数。
任务B做固定的N次测试,统计测试结果构成二进制字符串110101110…1,从中得到成功次数mpass,理论上会有一个和目标态的非保真度∈相关的成功概率μ≡1-Δ∈,根据mpass和μ的相对大小,把设备归为两种情况Case 1(mpass>μN)和Case 2(mpass<μN),分别属于半径为∈圆内和∈圆外。利用切诺夫边界对设备工作的置信度给一个上限:
(5)置信度和保真度的估计分析:对于任务A,首次失败发生的量子态拷贝索引构成一个几何分布,Nfirst=nexp表示前nexp-1次都是成功,第nexp个拷贝测量失败,计算出来的累积概率是设备产生目标态的置信度,由此得到产生δA的置信度需要的次数nexp;同时,对概率统计进行几何分布拟合,可以估算出设备产生态的一个非保真度和分别对应非自适应(Nonadaptive)和自适应(Adaptive)测量得到的量子态非保真度的估计。对于任务B,根据拟合出的和给定合理的∈值和取固定的δ值,根据切诺夫界公式分别编程计算δ和∈随量子态拷贝数增加的变化,得到置信度达到δB需要的量子态拷贝数以及∈随N的一个标度律。
本发明内容的优点和有益效果
1、与现有的量子态层析方法相比,本发明需要的测量基少,如对于两比特系统,非自适应测量需要四个测量基,自适应测量只需要三个测量基,消耗的量子态拷贝数少,在比较少的拷贝下就能对量子态进行一个可靠的估计。在相同的量子态拷贝数下,可以达到比标准量子态层析更好的精度。
2、与现有量子态验证和估计方案相比,本发明提供了一种标准化的工作流程,放松了原始理论方案中的强假设条件,考虑实际设备工作不完美,对其各种可能工作情况给予了一个全面讨论,具备良好的实用性和应用前景,可以作为量子产品设备检验的一个标准化方法。
3、后期数据处理简单易行,只需要简单的编程(如matlab、mathematica、python等)即可得到置信度和保真度的一个变化趋势。在物理参量的估计方面,∈随N的标度律可以接近海森堡测量极限。
附图说明
图1为本发明基于最优化策略的量子态验证标准化方法的量子态验证工作原理示意图;
图2为本发明基于最优化策略的量子态验证标准化方法的验证工作流程图;
图3为本发明基于最优化策略的量子态验证标准化方法中任务A的数据获得和处理;
图4为本发明基于最优化策略的量子态验证标准化方法中任务B的数据获得和处理;
图5为本发明基于最优化策略的量子态验证标准化方法的验证实例装置图;
图6为本发明基于最优化策略的量子态验证标准化方法的自适应测量实施图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚明白,以下结合附图和具体实施实例对本发明作进一步说明。应当指出,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
如图1所示,以光子体系为例,一种基于最优化策略的量子态验证原理图,使用用户期望量子设备产生目标态|ψ>,实际工作中由于设备不完美,在N次测量中会产生一些偏离目标态的态σ1、σ2、…、σi、…、σN,称之为目标态的拷贝,对于每一份目标态的拷贝σi,从投影测量集合{M1,M2,M3,…}中随机选择投影基Mi测量,对应选择概率为pi,得到测量结果成功为1,失败为0。
本发明采用两个协作任务对量子设备进行检验。如图2所示,任务A统计首次失败发生的拷贝索引Nfirst,它基于如下假设-设备产生态σi和目标态保真度要么是1要么存在一个大于0的非保真度∈对所有的态σi满足<ψ|σi|ψ>≤1-∈,任务A的目标就是区分这两种情况。由于目标态总是投影算符的本征态,满足测试Mi|ψ>=|ψ>,在最坏的情况下,即设备产生的态的保真度都小于1-∈,σi通过测试的最大概率为:
其中,测量算符Ω=∑ipiMi称之为一个验证策略,Δ∈:=[1-λ2(Ω)]∈为单次测试失败的概率,λ2(Ω)是Ω测量算符的第二大本征值。经过N轮测试后,在最坏情况下σi通过所有测试的最大概率为(1-Δ∈)N,为了得到1-δ的置信度,需要的最少测量次数为:
为了使消耗的测量资源尽量少,就需要使第二大本征值λ2(Ω)最小化,通过优化第二大本征值可以得到最优化策略对应的投影测量,称之为非自适应测量策略[Phys.Rev.Lett.120,170502(2018)],对于两比特的量子态,非自适应测量需要四个测量基{P0,P1,P2,P3}。
如果加入经典通信,可以减少测量需要的次数,这就是最优化的自适应测量策略[Phys.Rev.A 100,032315(2019)],自适应测量需要A粒子和B粒子之间进行实时通信,考虑A粒子向B粒子进行的单向通信,只需要三个测量基{T0,T1,T2},T0还是通常的泡利矩阵测量,T1和T2需要根据A的测量结果实时选择B的测量操作。
考虑现实的设备不完美,更实际的任务(任务B)是以一定的置信度对设备产生的态的保真度给一个阈值范围,如图3所示,考虑两种现实情况,存在一个大于0的量∈使得:
Case 1:设备工作无误,对任意的i,满足<ψ|σi|ψ>>1-∈。
Case 2:设备工作有差错,对任意的i,保真度<ψ|σi|ψ>≤1-∈。
对于Case 1,有更大的概率测试成功,成功次数大于理论预期,对于Case 2,更大的概率测试失败,成功次数小于理论预期,根据测试成功次数mpass的分布,可以以一定的概率给出设备是属于Case 1还是Case 2。
接下来基于上述原理给出验证的具体步骤,如图2所示:
1.调节量子设备产生量子态
量子设备具有可调器件用于产生所需要的量子态,如图5所示,量子光源设备产生双光子偏振纠缠态,选取目标态的形式为:
调节量子光源设备中的四分之一波片和半波片可以改变目标态中参数θ和φ,量子光源采用双向泵浦周期极化磷酸钛氧钾晶体产生纠缠光子对。
可参量化目标态中强度参数θ=k·π/10,等间距取一些离散的点k=1,2,3,4,调节波片让HV和VH符合计数权重比为r=(sinθ/cosθ)2,取1秒钟符合计数数据估计量子态的密度矩阵,得到优化的一个相位φ。
2.最优化验证策略测量基
通过策略Ω对应的第二大本征值λ2(Ω)最小化的过程可以得到目标态|ψ(θ,φ)>AB对应的最优化测量基,非自适应测量包括四个投影基,其中一个为ZZ测量(A、B粒子分别用泡利σZ测量基):
自适应测量的测量基{T0,T1,T2}表达式为:
其中,
测量基的表达式是与目标态中参量(r,φ)相关的量,利用琼斯矩阵方法,可以编程计算出上述投影基对应的量子态分析器中仪器参数,实现他们对偏振态的投影。
3.实施验证策略投影测量
设备顺序产生一系列量子态的拷贝σi,如图5中A、B两端的虚线框是A、B光子分别执行的测量,当B端去掉自适应测量中的波片、电光调制器组件时,对量子态进行非自适应的测量,不需要经典通信,由目标态的参量θ和φ,可以根据和的表达式计算出实现投影测量{P0,P1,P2,P3}所需要的四分之一波片和半波片的角度。对于自适应的测量,B端使用两个电光调制器来实时接收A光子的测量结果,从而实现根据A测量结果来进行和的投影测量,如果A端测量结果是|+>或者|R>,前面一个电光调制器实施相应的旋转操作,后面一个电光调制器保持单位矩阵变换,如果A端测量结果是|->或者|L>,后面电光调制器执行相应的旋转操作,前面一个电光调制器不动。
自适应测量实施图如图6所示,具体来说,电光调制器1会把和偏振态转换到H偏振态,最后从偏振分束器的透射端口出来进入单光子探测器,相应地,和会被电光调制器2旋转到V偏振态从PBS的反射端口出来,A端测量结果|+〉/|R>通过电信号触发电光调制器1响应,|->/|L>测量结果触发电光调制器2响应,每一时刻只有一个电光调制器发生作用,另外一个电光调制器执行的是单位操作。如下表所示自适应测量的具体操作:
非自适应测量单次投影失败概率Δ∈=1-∈/(2+sinθcosθ),大于自适应测量单次失败概率Δ∈=1-∈/(2-sin2θ),所以达到同样的置信度1-δ,自适应测量需要的次数少,也就是说自适应测量以经典通信为代价,消耗了更少的量子态拷贝数。
4.测量结果统计、数据提取和处理
利用可编程逻辑门阵列提取出单光子探测的时间标签数据,时间标签数据文件有两列,第一列是各个探测通道标签,第二列为相应探测通道响应的时间戳,处理程序以时间切片为单位,初始时间ti=1,按行逐渐增加终点时刻位置tf=n,在第1和n行之间一旦发现有一个符合计数,就把其对应的符合通道记录下来,记为一个量子态拷贝,然后以ti=n作为起始tf=n+1开始继续往后扫描直到发现下一个符合计数,以此循环遍历直到分离出所有的单个符合计数,最后可以得到各个量子态拷贝的投影测量结果。
生成随机数选择测量基,统计测量结果,成功记为1,失败记为0。对于非自适应测量,四个测量基{P0,P1,P2,P3}被选择的概率分别为μ0=(2-sin2θ)/(4+sin2θ),μ1=μ2=μ3=(1-μ0)/3,对于自适应测量,{T0,T1,T2}被选择的概率分别为其中β(θ)=cos2θ/(1+cos2θ)。根据符合计数发生的通道可以确定测量结果成功还是失败,如对于非自适应测量,四个测量基的成功概率为:
其中i=1,2,3。对于P0投影测量,若符合计数发生在CCHV或CCVH,σi就通过了测试,结果记为1,否则符合计数落在了其他通道,测试失败,结果记为0;对于Pi投影测量,若单个符合计数落在了或则测量成功1,否则测量失败0。对于自适应测量,同样根据各个投影下的成功概率可以得到测量结果。
编程逐渐增加量子态拷贝数,通过符合计数的结果得到二进制序列11101001…1。执行任务A记录首次0出现的量子态拷贝位置索引记为Nfirst,执行10000轮的重复,统计Nfirst的发生概率。执行任务B,固定拷贝数N次的测量,重复1000轮取平均减少统计误差,统计成功1的个数得到N次测量中成功事件发生次数mpass。
5.评估设备产生目标态的置信度和保真度
通过任务A可以计算出达到90%置信度需要的量子态拷贝数,即利用首次失败发生在Nfirst的概率Pr(Nfirst),让累积概率:
为90%,计算出nexp的值。
取∈可以把设备归为Case 1或Case 2,在Case 1下,期望的成功次数mpass≥Nμ,通过上式可以计算置信度δB=1-δ随量子态拷贝数的变化,在Case 2下,期望的成功次数mpass≤Nμ,同样可以得到这个区域内置信度的变化。在给定置信度1-δ时,可以利用切诺夫界计算∈随着量子态拷贝数N的变化,得到对非保真度参量估计的一个标度律∈~Nr。
对于置信度参量和非保真度参量的估计,在相同的量子态拷贝下,本方法可以更好地达到比较好的置信度和比较高的保真度。
本发明公开的是基于最优化策略的量子态验证标准化方法,以上显示和描述了本发明的基本原理、主要工作流程和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,本发明公开的验证方法不限于光子体系,也不限于光子数目,适用于离子、超导、光子等各种量子体系,只需要选择对应体系不同的测量策略就可以实现基于不同体系平台的设备验证,这些变化和改进都落入要求保护的本发明范围内。
Claims (1)
1.一种基于最优化策略的量子态验证标准化方法,其特征在于,包括以下步骤:
步骤一、使用客户调节量子设备产生目标态|ψ),通过时间关联探测器模块来测量符合计数,通过仪器可调参数来调节量子态的权重和相位,调节过程中看不同通道符合的计数比,使目标态的权重和符合计数比一致,进一步补偿相位,确定产生目标态的仪器参数设置;
步骤二、记录泡利完备测量基下的符合计数,优化目标态密度矩阵,估算出目标态中权重和相位参量的值,此步也可直接使用客户设定的目标态权重和相位值;
确定量子态分析仪中最优化策略投影测量{p1M1,p2M2,…,piMi,…,pNMN},事先根据的Mi的表达式,计算出量子态分析仪中非自适应Mi→Pi或自适应测量Mi→Ti需要的设置参数;
步骤三、搭建非自适应测量装置,采用步骤一中确定的量子设备目标态设置参数产生特定目标态一份一份的拷贝σi,对σi执行非自适应投影测量集合{p1P1,p2P2,…,piPi,…,pNPN}的测量,同样通过时间关联计数模块进行符合计数,记录各个投影测量Pi基下的时间标签数据;
利用可外部触发的仪器搭建自适应测量装置,根据步骤二中计算出的自适应测量需要的设置参数对触发仪器进行表征和设置,利用符合逻辑阵列输出的电信号控制触发设备实施两个子系统间的经典信道通信,进行自适应测量集合{p1T1,p2T2,…,piTi,…,pNTN}的测量;
根据自适应测量表达式利用触发设备独立调节实现各自的投影基测量,组合进行整体的自适应测量Ti,根据粒子A测量结果实时控制粒子B投影基的实现,记录各个投影基Ti下的时间标签数据;
根据时间标签数据,编程提取单个符合计数,首先分离各个通道对应的时间戳,然后对时间切片,从初始时刻ti到末尾时刻tf扫描符合计数,若只有一个符合计数,则记录对应符合通道,循环移动到下一个时间切片,直至找到所有的单个符合计数,并记录下所有单个符合计数对应的时间切片和符合通道数据,按列保存为数据表格的形式,同时如果符合通道落在了投影基投影成功概率对应的通道上,记为成功1,否则记为失败0,把成功1和失败0也作为一列数据存储下来;
步骤四、根据投影测量集合中各个投影基对应的概率pi,选择投影测量基Pi/Ti,模拟随机测量过程,执行任务A和任务B两个任务的统计过程;
任务A从前往后顺序对量子态拷贝执行测试,根据投影基下成功概率对应的符合通道,得到每个量子态拷贝的投影测量结果,成功记为1,失败记为0,当首次0出现时,停止往后采样测量,记录首次0出现的拷贝索引Nfirst;循环10000轮,每一轮都记录下首次0出现索引位置,最后对首次失败的索引进行一个几何分布的概率统计,可对非自适应和自适应测量数据同时进行首次失败数据的提取处理;
任务B固定测试次数N,每次从测量集合中以概率pi选择测量Pi/Ti,通过符合计数得到其测量结果成功为1或失败为0,最后得到二进制序列11101011011...1,对序列进行统计,得到N次中成功1出现的次数mpass,可对非自适应和自适应数据同时进行N次测量中成功次数的提取处理;
步骤五、任务A中首次失败索引Nfirst会构成一个几何分布的概率统计,累积概率为置信度:
计算概率累积90%需要的测量次数nexp,并对概率分布进行拟合,得到量子态非保真度的一个估计∈exp,根据拟合出的∈exp给定一个合适的∈参量得到理论成功概率μ=1-Δ∈,把设备划分为两类情况,一个是Case 1:<ψ|σi|ψ>>1-∈,一个是Case 2:<ψ|σi|ψ>≤1-∈,分别对应测试结果mpass>μN和mpass<μN,然后利用概率论中的切尔诺夫界:
估计置信度1-δ和保真度1-∈随N的变化。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475173.4A CN111460421B (zh) | 2020-05-29 | 2020-05-29 | 基于最优化策略的量子态验证标准化方法 |
US17/060,089 US20210374589A1 (en) | 2020-05-29 | 2020-10-01 | Standardized method of quantum state verification based on optimal strategy |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475173.4A CN111460421B (zh) | 2020-05-29 | 2020-05-29 | 基于最优化策略的量子态验证标准化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460421A true CN111460421A (zh) | 2020-07-28 |
CN111460421B CN111460421B (zh) | 2023-07-21 |
Family
ID=71682056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010475173.4A Active CN111460421B (zh) | 2020-05-29 | 2020-05-29 | 基于最优化策略的量子态验证标准化方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210374589A1 (zh) |
CN (1) | CN111460421B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529202A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 量子纠缠态分配方法、装置、设备、存储介质及产品 |
CN113138756A (zh) * | 2021-04-21 | 2021-07-20 | 广东工业大学 | 一种量子计算机实现条件语句的方法和系统 |
CN114462613A (zh) * | 2022-03-14 | 2022-05-10 | 北京百度网讯科技有限公司 | 量子计算机性能刻画方法及装置、电子设备和介质 |
WO2023096586A3 (en) * | 2021-11-29 | 2023-06-22 | Han Chuen LIM | Quantum key generation method and system |
CN116973736A (zh) * | 2023-09-22 | 2023-10-31 | 悦芯科技股份有限公司 | 一种基于fail周期的ATE测试方法及系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11544614B2 (en) * | 2020-06-05 | 2023-01-03 | International Business Machines Corporation | Sampling of an operator in a quantum system |
CN117873760B (zh) * | 2024-03-12 | 2024-05-10 | 苏州元脑智能科技有限公司 | 一种失效率评估方法、装置、系统及可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020013A (zh) * | 2012-11-29 | 2013-04-03 | 西南交通大学 | 一种获得chsh贝尔不等式最优测量值的方法 |
US20140133001A1 (en) * | 2012-10-05 | 2014-05-15 | Raytheon Bbn Technologies Corp. | Device and method for optimally distinguishing among an arbitrary set of coherent states of light |
CN104506309A (zh) * | 2014-12-26 | 2015-04-08 | 华南师范大学 | 一种基于轨道角动量编码的量子密钥分发方法及系统 |
CN105978659A (zh) * | 2016-04-18 | 2016-09-28 | 苏州大学 | 基于远程制备量子态的网络编码方法 |
CN108234028A (zh) * | 2017-12-19 | 2018-06-29 | 复旦大学 | 一种光量子ofdm通信系统及其量子信息检测方法 |
CN108241778A (zh) * | 2017-12-29 | 2018-07-03 | 中国科学技术大学 | 量子纯态重构的最优观测算符集的构造方法 |
CN110009106A (zh) * | 2017-07-13 | 2019-07-12 | 中国空间技术研究院 | 利用量子技术获取未知信息的方法 |
CN110224763A (zh) * | 2019-06-28 | 2019-09-10 | 中南大学 | 基于哈密尔顿学习的新型量子态转移方法 |
CN110677172A (zh) * | 2018-07-02 | 2020-01-10 | 商升特公司 | 具有随机介质访问的低功率、跳频广域网 |
CN111130652A (zh) * | 2019-12-31 | 2020-05-08 | 南京大学 | 一种光子数分辨增强激光通信系统及方法 |
-
2020
- 2020-05-29 CN CN202010475173.4A patent/CN111460421B/zh active Active
- 2020-10-01 US US17/060,089 patent/US20210374589A1/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140133001A1 (en) * | 2012-10-05 | 2014-05-15 | Raytheon Bbn Technologies Corp. | Device and method for optimally distinguishing among an arbitrary set of coherent states of light |
CN103020013A (zh) * | 2012-11-29 | 2013-04-03 | 西南交通大学 | 一种获得chsh贝尔不等式最优测量值的方法 |
CN104506309A (zh) * | 2014-12-26 | 2015-04-08 | 华南师范大学 | 一种基于轨道角动量编码的量子密钥分发方法及系统 |
CN105978659A (zh) * | 2016-04-18 | 2016-09-28 | 苏州大学 | 基于远程制备量子态的网络编码方法 |
CN110009106A (zh) * | 2017-07-13 | 2019-07-12 | 中国空间技术研究院 | 利用量子技术获取未知信息的方法 |
CN108234028A (zh) * | 2017-12-19 | 2018-06-29 | 复旦大学 | 一种光量子ofdm通信系统及其量子信息检测方法 |
CN108241778A (zh) * | 2017-12-29 | 2018-07-03 | 中国科学技术大学 | 量子纯态重构的最优观测算符集的构造方法 |
CN110677172A (zh) * | 2018-07-02 | 2020-01-10 | 商升特公司 | 具有随机介质访问的低功率、跳频广域网 |
CN110224763A (zh) * | 2019-06-28 | 2019-09-10 | 中南大学 | 基于哈密尔顿学习的新型量子态转移方法 |
CN111130652A (zh) * | 2019-12-31 | 2020-05-08 | 南京大学 | 一种光子数分辨增强激光通信系统及方法 |
Non-Patent Citations (4)
Title |
---|
JEONGWAN HAAH 等: "Sample-Optimal Tomography of Quantum States", vol. 63, no. 9, pages 5628 - 5641 * |
刘靓: "量子纠错码容错测量方法研究及线路设计", no. 02, pages 002 - 175 * |
王琨: "量子行走与基于熵的不确定性关系", no. 11, pages 005 - 11 * |
蔡祥吉: "非平衡环境中量子退相干动力学", no. 11, pages 005 - 4 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529202A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 量子纠缠态分配方法、装置、设备、存储介质及产品 |
CN112529202B (zh) * | 2020-12-23 | 2021-09-24 | 北京百度网讯科技有限公司 | 量子纠缠态分配方法、装置、设备、存储介质及产品 |
CN113138756A (zh) * | 2021-04-21 | 2021-07-20 | 广东工业大学 | 一种量子计算机实现条件语句的方法和系统 |
CN113138756B (zh) * | 2021-04-21 | 2023-06-23 | 广东工业大学 | 一种量子计算机实现条件语句的方法和系统 |
WO2023096586A3 (en) * | 2021-11-29 | 2023-06-22 | Han Chuen LIM | Quantum key generation method and system |
CN114462613A (zh) * | 2022-03-14 | 2022-05-10 | 北京百度网讯科技有限公司 | 量子计算机性能刻画方法及装置、电子设备和介质 |
CN116973736A (zh) * | 2023-09-22 | 2023-10-31 | 悦芯科技股份有限公司 | 一种基于fail周期的ATE测试方法及系统 |
CN116973736B (zh) * | 2023-09-22 | 2023-12-19 | 悦芯科技股份有限公司 | 一种基于fail周期的ATE测试方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111460421B (zh) | 2023-07-21 |
US20210374589A1 (en) | 2021-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460421A (zh) | 基于最优化策略的量子态验证标准化方法 | |
Vermersch et al. | Probing scrambling using statistical correlations between randomized measurements | |
US11740984B1 (en) | Testing hardware in a quantum computing system | |
Zhang et al. | Detecting metrologically useful asymmetry and entanglement by a few local measurements | |
Schuch et al. | Computational complexity of projected entangled pair states | |
US7516030B2 (en) | Measuring components of jitter | |
US7899638B2 (en) | Estimating bit error rate performance of signals | |
Chekanov et al. | Bose-Einstein correlations and color reconnection in W-pair production | |
CN113011592B (zh) | 量子比特的串扰分析方法、装置、计算机设备和存储介质 | |
CN112906898B (zh) | 一种量子噪音确定和量子态估计方法 | |
Cabello | Simple method for experimentally testing any form of quantum contextuality | |
Schirmer et al. | Two-qubit Hamiltonian tomography by Bayesian analysis of noisy data | |
WO2021110261A1 (en) | A method and system for comparing two quantum states | |
CN109104251A (zh) | 一种数据传输方法、装置及系统 | |
Caro et al. | Classical verification of quantum learning | |
CN117575032A (zh) | 实现参数标定的方法、系统、量子模拟机和电子计算装置 | |
Wang et al. | Detecting causal structure on cloud application microservices using Granger causality models | |
Wagner | Global sensitivity analysis of predictor models in software engineering | |
Ringbauer et al. | Verifiable measurement-based quantum random sampling with trapped ions | |
Duquennoy et al. | Singular spectrum analysis of two-photon interference from distinct quantum emitters | |
Konstantinova et al. | Machine Learning for analysis of speckle dynamics: quantification and outlier detection | |
Pedram et al. | Nonlocality enhanced precision in quantum polarimetry via entangled photons | |
Kircher et al. | Analysis of resilience for a State Estimator for Linear Systems | |
Czerwinski | Quantum tomography of three-qubit generalized Werner states | |
Riddell et al. | Relaxation of non-integrable systems and correlation functions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |