多模高斯态光子计数测量产生的非经典光的预示概率优化

论文信息

标题: Heralding probability optimization for nonclassical light generated by photon counting measurements on multimode Gaussian states

作者: Jaromír Fiurášek

发布日期: 2026-04-28

arXiv ID: 2604.25910v1

PDF链接: 下载PDF

论文背景与研究动机

非经典光态的生成是当代量子光学的核心课题之一，对光量子信息处理和量子计量学具有重要意义。然而，自然界缺乏足够强的光学非线性相互作用，这使得直接产生高度非经典的量子态极为困难。为了克服这一限制，研究者们普遍采用条件量子态制备方案——基于多模压缩高斯态的部分测量，通过光子数测量的“预告”机制诱导出有效的非线性。

随着技术进步，特别是光子数分辨探测器的发展，实验已经能够处理越来越高的光子数。这虽然拓展了可制备量子态的复杂度，但也带来了一个关键瓶颈：预告成功概率的急剧下降。在典型的条件制备方案中，目标非经典态的保真度与生成概率往往存在权衡关系，而在高光子数区域，过低的成功概率会使实验的态制备速率变得不可接受。因此，如何系统性地最大化预告概率，已成为当前量子光学工程化进程中的核心挑战之一。

传统的优化方法，诸如数值搜索或基于梯度的优化，在处理复杂参数空间时计算代价高昂且容易陷入局部最优。本文的出发点正在于此——提出一种高效、系统且可纳入实际实验约束的优化框架，为基于高斯态与光子数测量的条件量子态制备方案找到最优配置。

核心方法与技术细节

论文的核心思想是将预告概率的最大化问题转化为求解多项式方程系统。这一转化极大地提升了优化效率，并可借助求解多项式系统的专用技术与算法。

作者考虑的系统由多个光学模式组成，其中部分模式经光子数分辨测量后，其余模式被条件性地制备到目标量子态。初始资源态为多模高斯态，通常包括压缩真空态。生成的非经典态具有明确的光子数宇称，因为研究暂时聚焦于无相干位移的高斯态。

技术路线可概括为以下步骤：

首先，条件制备的量子态波函数系数可通过初始高斯态的协方差矩阵与位移矢量解析表达。预告概率即测量到特定光子数模式的联合概率，同样可用高斯态的威格纳函数或相关函数表示。

关键突破在于，作者证明了在给定目标态（例如有限Fock态叠加）和可调实验参数（如压缩参数、分束器参数）下，最大化预告概率的一阶必要条件可以归结为一组多项式方程。具体而言，他们对概率函数关于各参数求偏导，并将导数等于零的条件整理为多项式形式。这使得优化问题纳入了代数几何的框架。

以生成单模Fock态叠加为例：设目标态为$|\psi_{\text{target}}\rangle = \sum_{n=0}^{N} c_n |n\rangle$，初始资源态为包含压缩算符与线性光学网络的多模高斯态。条件测量在若干“预告模式”上执行，测量结果为特定光子数$\mathbf{m} = (m_1, m_2, \dots)$。此时，未测量模式的条件态由下式给出： $|\psi_{\text{cond}}\rangle = \frac{1}{\sqrt{P(\mathbf{m})}} \, {}_{\mathbf{m}}\langle \mathbf{m}|\Psi_{\text{Gauss}}\rangle$ 其中$P(\mathbf{m})$即为预告概率。研究目标是在保持目标态保真度足够高的约束下，最大化$P(\mathbf{m})$。

作者的方法不仅提供了最优解的必要条件，还允许无缝纳入实验相关约束，最显著的是单模正交压缩度的上界。这在实验中极其重要，因为可获得的最大压缩量受限于当前技术水平。在该框架中，压缩度约束同样可作为额外的多项式不等式或等式嵌入，不破坏整体代数结构。

论文展示了该方法在两类典型场景的应用：单模态与双模态的生成，各自使用两个预告模式。通过构造并求解相应的多项式系统，可以获得最优的压缩参数与干涉仪参数，从而在满足目标态保真度的前提下显著提升预告概率。

创新点与贡献

本文为条件量子态制备的概率优化提供了一个全新的视角与工具，具有多重创新贡献。

其一，优化问题的多项式化。将预告概率最大化转化为多项式方程系统的求解，是一种优雅且高效的数学建模方式。与数值梯度下降等通用方法相比，该方法利用了问题的特殊代数结构，能够找到全局最优解，避免陷入局部极值点，且在计算效率上具备显著优势。

其二，实验约束的自然整合。在实际实验中，正交压缩可获取的最大值总是有限的。论文的方法允许研究者直接将此实验限制作为约束条件，求取该限制下的真正可达成的最优配置。这种对理论与实践鸿沟的弥合，显著提升了研究成果的实用转化价值。

其三，通用性与可扩展性。虽然论文主要展示了在Fock态叠加与压缩Fock态叠加生成上的应用，但作者明确指出该方法可直截了当地延伸至更广泛的量子态族和更多预告模式的场景。只要条件生成过程基于高斯态与光子数测量，且目标态具有有限光子数截断，多项式方程框架就普遍适用。

其四，对光子数宇称的深入洞察。在高斯态无相干位移的条件下，条件生成的态自然地具有确定的光子数宇称，这一性质的澄清为理解该制备方案的局限性及约束设计提供了理论基础。

实践应用建议与未来发展方向

针对量子光学实验与量子技术开发者，此项研究提供了以下实践层面的启示与方法论。

在实验优化方面，建议实验人员采用本文的多项式系统方法，替代传统的网格搜索或随机试探。具体而言，可先根据目标态（如猫态、Gottesman-Kitaev-Preskill态的低阶近似等）推导出保真度约束下的预告概率表达式，然后借助符号计算软件推导出多项式导函数方程，最后利用专门的多项式求解器（如PHCpack、Bertini或基于Gröbner基的方法）求取全局最优解。

在系统设计方面，当规划条件量子态制备平台时，必须将可获得的最大压缩度作为核心约束参数纳入早期设计。本方法可提前给出多大的压缩度将对应多高的生成速率，从而服务于成本收益评估与系统指标分解。

针对日益复杂的光子数分辨探测系统，当预告模式数量与检测光子数增高时，参数空间维度迅速膨胀。研究人员可在此多项式优化框架基础上，开发针对性的降维策略或稀疏多项式处理技术，保持高维优化问题的可解性。

未来发展方向包括：将方法扩展至包含相干位移的高斯态，以生成无确定宇称的量子态类；探索非高斯初始资源态或更复杂的广义测量（如零差检测）下是否可进行类似多项式化；以及在实验反馈与实时优化中，如何实现多项式系统的快速近似求解，以应对环境漂移。

总结与展望

本文通过将基于高斯态和光子数测量的条件量子态制备的预告概率最大化问题，重塑为多项式方程系统的求解问题，为该领域提供了系统、高效且实用的优化方法论。这一工作不仅深化了对条件量子态工程内在数学结构的理解，还直接弥合了理论与实验在可获取资源约束上的差距。

展望未来，随着多项式系统求解算法的进步与光子探测技术的持续突破，此框架有望指导生成具有更高光子数成分、更复杂纠缠结构以及更强非经典特性的光量子态。这将直接推动光学量子计算、量子通信与超灵敏量子测量等前沿技术走向实用化。论文所奠定的代数优化基础，或将成为未来量子态工程标准化设计流程中不可或缺的一环。