基于衍射深度神经网络的空间模量子门架构（D2神经网络）。图片来源：光：科学与应用（2024 年）。DOI： 10.1038/s41377-023-01336-7
可靠的量子门是量子信息处理的基本组成部分。然而，以可扩展和紧凑的方式实现具有超高保真度的高维酉变换仍然是一个巨大的挑战。
为了解决这个问题，中国科学家展示了深度衍射神经网络（D2NN）来构建一系列高维量子门，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天然兼容，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限性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具有超高保真度的高维酉变换仍然是一个重大挑战。
由武汉光电子国家实验室和中国华中科技大学光学与电子信息学院、中国光谷实验室的王健教授及其同事领导的科学家团队展示了深度衍射神经网络（D2NN）来构建一系列高维量子门，这些量子门由光子的空间模式编码。
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 Hadamard 门。栅极表现出高达99.4（3）%的超高保真度，通过量子过程断层扫描进行了表征。它们还采用独特的编码方法，利用单个光子的四种轨道角动量（OAM）模式来编码两位信息。
通过这种方法，他们根据模式顺序实现了OAM波前旋转方向（模式符号）的互换。该受控 NOT 门的重构过程矩阵具有 99.6（2）% 的保真度，并且该高保真门可实现可靠的量子计算。
空间模量子门的量子过程断层扫描。图片来源：光：科学与应用（2024 年）。DOI： 10.1038/s41377-023-01336-7
他们还通过成功实现 Deutsch 算法证明了这种方法的适用性，该算法涉及根据其实验配置执行整个 2 量子比特量子电路。该演示验证了执行复杂操作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了占用空间小、可扩展性强和对不同模式基的鲁棒性等优点。此外，基于可重构相位调制器件，该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。
为了给实验提供指导，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，他们还对 D 进行了比较分析2NN门与传统波前匹配方法相比的性能，得出的结论是，我们的方法以较小的能量损失成本显着提高了能见度。
更多信息：Qianke Wang et al， Ultrahigh-fidelity spatial mode quantum gates in high-dimensional space by diffractive deep neural networks， Light： Science & Applications （2024）.DOI： 10.1038/s41377-023-01336-7
期刊信息： Light： Science & Applications
