成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
0
量子芯片新突破:北大王建伟等首次证明芯片间量子隐形传态和多光子纠缠
2020 年 1 月 3 日
新智元
新智元报道
编译:王汐
编辑:元子
【新智元导读】
以前的演示报告主要挑战在于生产多个光亮、纯净和同质的单光子,以及以高保真度纠缠多个光子量子位方面的重大挑战。本研究测试了一些关键的功能,状态的生产、控制和传输都是在微米级的硅芯片中完成的,由互补的金属-氧化物-半导体工艺制造,为量子计算和通信的可扩展的片上多光子技术奠定了基础。
戳右边链接上
新智元小程序
了解更多!
随着2019年临近尾声,全面实现量子计算的旅程仍在继续:物理学家首次证明两个计算机芯片之间的量子隐形传态。
简而言之,这一突破意味着信息不是通过物理电路连接而是通过量子纠缠在芯片之间传递,通过将两个粒子根据量子物理学原理用一个间隔(gap)连上来实现的。
我们还不了解有关量子纠缠的一切(这是阿尔伯特·爱因斯坦著名的"怪异动作"还有译作"幽灵行动"的现象),即使到目前为止我们被局限在实验室环境内,但能够将量子纠缠应用在计算机芯片之间发送信息上也是很有意义的。
"我们能够在实验室中演示两个芯片上高质量的纠缠链接,让两个芯片上的量子共享一个量子态。
"英国布里斯托大学的量子物理学家Dan Llewellyn丹.卢埃林解释说,"每个芯片被完全通过编程执行一系列纠缠演示。
"
假设量子纠缠可以在任何距离上起作用,那两个粒子密不可分地联系在一起,这意味着无论一个粒子在哪里(这个例子中,是在单独的计算机芯片上),它都可以告诉我们有关另一个粒子的一些信息。
为了获得结果,研究小组生成了一对纠缠光子,以确保低干扰和高准确性的方式对量子信息进行编码。
最多四个量子位(传统计算二进制位的量子等效)链接在一起。
"旗舰演示是一个两芯片的隐形传态实验,一个粒子的单个量子态在量子测量完成后通过两个芯片进行传送。
"Llewellyn卢埃林说。
"这种测量利用了量子物理学的奇怪行为,在破坏了纠缠链接的同时,可以将粒子状态转移到了已经存在的另一个粒子上。
"
研究人员能够进行精确度达到91%的实验,几乎所有信息都可以准确地传输并记录。
科学家越来越了解量子纠缠的工作原理,但目前还很难控制。
这不是您可以安装在笔记本电脑中的东西:
您需要大量笨重且昂贵的科学设备才能使其正常工作。
但是,希望量子态在实验室里的进步,有一天会促进计算的进步,使每个人都可以使用超强大的处理能力和具有内置黑客保护功能的下一代互联网。
低数据丢失和高稳定性的隐形传输,以及科学家们在实验室的高度控制,这些都是很有希望的后续研究的对象。
另外,对于努力将量子物理学应用到当今计算机中使用的硅芯片(Si-chip)技术以及用于制造这些芯片的互补金属氧化物半导体(CMOS)技术中来也是一项有用的研究。
北京大学量子物理学家王建伟表示:
"未来,集成了量子器件和经典电子控件的单硅芯片将为完全基于芯片的CMOS兼容的量子通信和信息处理网络打开大门。
" 。
该项研究已经发表在《自然物理学》上:
《芯片中的芯片间量子隐形传态和多光子纠缠》
。
本研究为量子计算和通信的可扩展的片上多光子技术奠定了基础
开发半导体制造技术,能够将天然载体诸如原子,电子和光子之类的量子信息嵌入可扩展的集成设备中。
集成光学器件为大规模量子信息处理和光子收发提供了通用的平台。
扩大用于量子应用的集成设备需要高性能的单光子生成和光子量子位-量子位纠缠操作。
然而,以前的演示报告主要挑战在于生产多个光亮、纯净和同质的单光子,以及以高保真度纠缠多个光子量子位方面的重大挑战。
另一个值得注意的挑战是在单个设备中无噪声地连接多光子源和多量子位算子。
在这里,我们通过相干地控制微谐振器非线性单光子源和线性光学多量子位纠缠电路的集成网络,展示了硅片上真正的多部分纠缠和量子隐形传态。
微谐振器经过工程设计,可以局部增强非线性,产生与频率无关的多个和难以区分的单光子,无需任何光谱过滤。
多量子位状态在可编程线性电路中处理,便于钟形投影和以测量为基础的熔合操作。
我们测试了一些关键的功能,例如量子态的晶片内/晶片间的隐形传态,以及四光子格林-霍恩-泽林格纠缠态的产生。
状态的生产、控制和传输都是在微米级的硅芯片中完成的,由互补的金属-氧化物-半导体工艺制造。
我们的工作为量子计算和通信的可扩展的片上多光子技术奠定了基础。
图1 硅中的微谐振器增强型多光子量子处理器。
a
,
将非线性单光子源网络和线性光学多量子位电路集成在一个硅片上。
在一个由四个MRR单光子源组成的阵列中,产生了两对非简并光子(红色闲散子,蓝色信号)。
MRR极大地增强了SFWM的非线性,并允许产生明亮,纯净和难以区分的光子,同时抑制来自所有波导和线性电路的背景噪声。
线性光学量子电路(Oˆ)被编程为充当玻色子贝尔算子以及两个蓝色光子的融合纠缠算子。
四个光子通过非对称MZI多路分解并通过波导交叉器路由(Rˆ)。
一个MZI和移相器的数组阵列允许多量子位状态(Pˆ)的准备和投射测量(Mˆ)。
黄色部分以电子方式指代可控的热光移相器。
b,耦合到总线波导的MRR单光子源的扫描电子显微镜(SEM)图像(伪红色),以及c,具有粘合铝反射器的超表面辅助低损耗亚波长光栅耦合器(SGC)。
顶部:
用于光纤芯片的一维SGC界面。
底部:
用于路径极化转换的2D SGC,嵌入图:
超颖表面单元的放大视图。
白色箭头表示光子的极化状态。
图a中的星"*"是指用于单芯片(通过1D SGCs)或芯片对芯片(通过2D SGCs)实验的可切换路由器(未显示)。
图2 在MRR增强的非线性源阵列中近乎最佳的光子对生成。
a中,MRR的测量透射光谱(顶部)和非对称MZI(底部),其中FSR_MRR = 400GHZ, FSR_AMZI=320GHZ。
信号光子在λ_s=1539.758nm被创建,惰光子在λ_i=1559.015nm,在MRR共振被创建。
非对称MZI可以解复用λ_s和λ_i光子。
剩余的泵浦光子被一个约1.1 nm带宽的片外滤波器除去,这个带宽比MRRs 37.7±1.9 pm的线宽宽得多。
b,共振时,MRR中的FWM增强。
整个器件的背景噪声得到有效抑制(失谐)。
c,通过测量预示的g(2)(0)来测试光子数纯度。
d,测得的预示量子干扰的变化原始可见度,作为每个脉冲的平均光子数n的函数。
V = 0.92虚线是我们的MRR设计。
e,减去多对事件的频谱不可分辨性测试。
获得90.99+- 3.91%的可见度,与理论极限一致。
f,测得的阵列中成对MRR之间的量子干扰可见性。
平均可见度分别为87.3 1.9%和71.9 2.4%,在有和没有多对校正的情况下进行测量。
点都是实验数据,而d中的线是理论值,b,c和e中的线是拟合。
所有误差条均指从泊松光子计数统计数据估计的1个标准偏差(s.d.)。
在这里,我们报告了一种多量子位量子处理器,该处理器通过相干控制微环谐振器(MRR)网络(用于近乎最佳的光子生成)和线性光学电路(用于高保真多量子位操作)来实现。
所有的非线性和线性量子器件都单片集成在硅中,并且可以单独编程。
我们对量子应用中的关键协议进行基准测试,包括单量子位和贝尔状态的芯片内/芯片间传送,以及芯片上生成的三光子和四光子Greenberger-Horne-Zeilinger(GHZ)真正的纠缠态。
图1a显示了MRR增强型多量子位处理器,它是在绝缘体上硅平台上制造。
Si MRR源
阵列(见图1b中的SEM图像)可以产生两对信号通过SFWM产生(ls)和惰轮(li)光子。
四个双轨量子位是编码在四个生成的光子中。
每个量子位
表示在逻辑基础上并且可以由Mach-Zehnder干涉仪(MZI)和移相器组成的网络进行准备和测量(见图1a)。
另一个关键设备是可编程的两比特运算符(Oˆ),它能够以贝尔投影和融合运算两种不同方式纠缠两个量子比特(以前从未相互作用)。
MRR,量子位生成器,纠缠运算符和量子位分析器都是可单独控制和完全可编程的。
芯片通过低损耗(0.8 dB)1D SGC [30]阵列与光纤耦合(图1c),并通过8个超导单光子检测器在芯片外检测光子(效率为0.85)。
有关设备和设置的详细信息,请参见补充信息(SI)节。
每个MRR的品质因数都大于104,从而在型腔中产生强大的SFWM增强。
如图2b所示,当MRR开启/关闭共振时,生成的双光子速率提高了43倍。
对于每个MRR,使用具有15 ps脉冲宽度,800 W重复频率为500 MHz重复频率的泵浦激光器,以巧合-偶然比50检测到20 kcts / s的原始速率。
由于MRR非线性源仅需要弱泵浦,因此在周围的波导和电路中会产生可忽略的光子,从而极大地抑制了那里的噪声。
这意味着非线性和线性量子光子器件现在可以无噪声地相互连接。
我们通过执行光子的Hanbury-Brown-Twiss测量以获得预示的二阶相关
,进一步测量了单光子的光子数纯度。
在相同的功率下,我们观察到
= 0.05对应于95%的光子数纯度(图2c)。
谐振器之后,所有四个MRR具有50%的较高预示效率(请参见SI第2节),与理论极限非常匹配。
四个MRR设计成相同的。
高产量的制造实现了几乎相同的自由光谱范围(FSR 400 GHz,图2a)和共振时的高光谱重叠(图S5)。
每个MRR可以单独调谐和锁频(请参阅SI第2节),以确保在光谱模式下光子波函数高度重叠。
光子的不可区分性是通过预言的两光子量子干涉的可见性来估计的。
我们干扰MZI上的两个信号光子(导通两个惰轮光子),它们是从两个独立的MRR发出的。
图2e报告了一个量子干扰条纹,其多对校正可见度为90.99 ±3.91%,这在我们的MRR设计(第2节)的92%光谱纯度的基本极限误差内是一致的。
在图2d中,还测量了原始未经校正的可见度随每个脉冲的平均光子数(η)的变化,例如,在η= 0.05时获得了84%的原始可见度。
比较一下到光谱杂质,光子数杂质急剧增加影响可见性[31]。
图2f显示了四个MRR源的成对可区分性,在高亮度配置中平均原始可见度为71.9 ±2.4%,如果多对校正,则原始可见度为87.3 ±1.9平均可见度。
因此,我们证明了在多个MRR中产生高度相同的光子。
值得注意的是,在我们所有的不可分辨性测量中,我们都没有使用任何光谱过滤来提高光谱纯度。
图3 可编程线性光学量子电路用于贝尔投影和融合操作。
a,一般算子图解。
b(c),贝尔(融合)算子图解。
源阵列中产生可编程为二部纠缠的状态,如d,e。
f, g当两个蓝色量子位在贝尔算子和旋转两个量子位相遇的量子接口。
h,i 当贝尔(融合)算子在d,e状态时的重建的密度矩阵。
通过控制MRR和重新配置非对称MZI对MRR源阵列进行编程以创建任一纠缠或可分离的二分态,如图3所示。
我们实施量子状态层析成像(QST)来重建密度矩阵。
作为示例,图3d,e显示了保真度分别为0.964± 0.072和0.966± 0.024的可分离状态。
我们同时从四个MRR中准备并测量了两个贝尔对,其保真度分别为0.917 ±0.002和0.915 ±0.003。
然后,我们利用单个可编程电路来实现两个量子应用中的关键多量子位运算,即纠缠最初可分离的量子比特和以Bell为基础的测量量子比特。
图3b,c显示了专为双轨量子比特设计的贝尔投影和融合运算符的示意图。
我们研究了一种情况,首先准备初始化状态,然后用光子1、4的先驱处理ρ2,3。
请注意,光刻定义的设备可确保光子2、3的子波长精度内的路径匹配,并确保他们同时到达Ô。
贝尔能够将贝尔状态与其他状态区分开。
在这里,我们在观察{D3,D4}或{D5,D6}中的联合点击(图3b)。
融合传输<0>并交换<1>模式,当在{D3,D4}中仅检测到一个光子而在{D5,D6}中仅检测到一个光子时,能够将两个量子比特的可分离状态融合为纠缠状态(图3c)。
为了验证这些新的片上构建模块,执行了预言量子干扰和贝尔状态生成。
图3f报告了两个量子比特(<10>2,3)的干扰,使量子比特2围绕thesy轴逐渐旋转。
观察到的80.5 ± 3.2%的可见性证实了bo钟两个玻色子的高质量干扰。
图3g显示了当绕z轴旋转量子位2时,在融合时的两个量子位干扰具有85.8±4.4%的可见度。
最终我们获得了分别具有0.851 ± 0.040和0.830 ± 0.032保真度的纠缠态。
图4 通过对非线性微谐振器和线性电路的编程,实现片上多光子纠缠和片内/片间的隐形传态。
a,通过使用贝尔测量量子位2,3的任意单量子位态的瞬间传送。
b, 两个钟对的两个量子纠缠态的远距传态(纠缠交换). c ,三光子和四光子GHZ纠缠态的产生。
d, 芯片内单量子位隐形传态的实验结果。
e, 双量子纠缠交换的实验结果。
f-h,验证和量化GHZ真正的纠缠。
i,相干项的期望值。
结论
我们已经提出了能够产生,处理和收发多量子位态的硅光子量子器件。
非线性多光子源和线性多量子位电路自然而然地与低噪声接口,并在单个系统中进行相干控制,其中每个部分都可以单独编程。
多种MRR增强型光子源正接近最佳纯度,可分辨性和先驱效率水平。
我们已经在量子计算和通信中执行了基本协议,展示了我们的设备进行多量子位纠缠和传送的能力。
实现了前所未有的高保真量子运算,例如,保真度为0.90的隐形传态是最高的。
将来,通过设计谐振器可以进一步提高光源的预示效率,并且可以保护拓扑结构免受制造的光子光谱的影响。
连同已开发的多路复用技术,我们的资料将允许近乎确定性地产生单光子。
此外,硅具有集成电子和光子学的独特能力,有望实现量子电路的大规模集成及其有效的量子控制。
同时扩大光子的数量和三维将使有机光学具有更大的希尔伯特空间。
总的来说,我们的演示为在硅中量子非线性和线性光学器件的复杂集成铺平了道路,这可以为研究量子光子,计算,物理和生化系统提供一个可扩展且通用的平台。
登录查看更多
点赞并收藏
0
暂时没有读者
0
权益说明
本文档仅做收录索引使用,若发现您的权益受到侵害,请立即联系客服(微信: zhuanzhi02,邮箱:bd@zhuanzhi.ai),我们会尽快为您处理
相关内容
芯片(集成电路)
关注
154
半导体元件产品的统称。是集成电路(IC, integrated circuit)的载体,由晶圆分割而成。
【经典书】算法基础:打开算法之门,Algorithm unlocked,237页pdf
专知会员服务
140+阅读 · 2020年7月3日
AI创新者:破解项目绩效的密码
专知会员服务
33+阅读 · 2020年6月21日
从HPO到NAS: 自动深度学习
专知会员服务
37+阅读 · 2020年6月15日
【ICML2020投稿论文-DeepMind】时序差分学习的推理与泛化,Temporal Difference Learning
专知会员服务
25+阅读 · 2020年3月16日
谷歌推出量子机器学习框架TFQ-TensorFlow Quantum,一个可训练量子模型的机器学习框架
专知会员服务
33+阅读 · 2020年3月10日
Gary Marcus力作:AI的下个十年,向‘强’人工智能迈进的四步战略(附59页论文下载)
专知会员服务
38+阅读 · 2020年2月20日
【白皮书】量子信息技术总体发展态势,中国信息通信研究院
专知会员服务
60+阅读 · 2020年1月5日
量子信息技术发展与应用研究报告(2019年),57页pdf,中国信息通信研究院
专知会员服务
68+阅读 · 2019年12月29日
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
【综述】arXiv最新论文:自动驾驶中深度学习综述,附38页PDF
专知会员服务
105+阅读 · 2019年10月17日
薛定谔的猫终于有救了:Nature 研究首次观测到量子跃迁过程
科研圈
6+阅读 · 2019年6月11日
物理学家终于找到了一种拯救薛定谔猫的方法
中科院物理所
8+阅读 · 2019年6月10日
特斯拉完全自动驾驶FSD芯片特点|厚势汽车
厚势
3+阅读 · 2019年4月23日
本周你不能错过的 13 篇论文:18岁华裔少女颠覆量子计算、太宅不怪你怪基因、抖音小姐姐不会让你快乐 等
科研圈
3+阅读 · 2018年12月22日
未来20年(2019—2039)的50个技术预测
全球创新论坛
5+阅读 · 2018年12月16日
陈天奇团队推出开源AI芯片栈VTA,降低芯片设计门槛
AI前线
15+阅读 · 2018年7月13日
【每日安全资讯】AI公司面临隐私问题 不少仍坚持原则拒绝商业机会
Linux中国
3+阅读 · 2018年7月10日
量子计算
人工智能学家
7+阅读 · 2018年4月6日
你知道量子计算吗?它超酷的!
微软研究院AI头条
4+阅读 · 2018年3月16日
量子世界的因果关系
中国物理学会期刊网
8+阅读 · 2017年8月5日
Text Level Graph Neural Network for Text Classification
Arxiv
8+阅读 · 2019年10月6日
Long-tail Relation Extraction via Knowledge Graph Embeddings and Graph Convolution Networks
Arxiv
8+阅读 · 2019年3月4日
Dynamic Graph Neural Networks
Arxiv
24+阅读 · 2018年10月24日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Text classification using capsules
Arxiv
5+阅读 · 2018年8月12日
Learning Semantic Sentence Embeddings using Pair-wise Discriminator
Arxiv
6+阅读 · 2018年6月15日
Quantum generative adversarial networks
Arxiv
4+阅读 · 2018年4月30日
Approaches for Enriching and Improving Textual Knowledge Bases
Arxiv
15+阅读 · 2018年4月20日
Correlated discrete data generation using adversarial training
Arxiv
5+阅读 · 2018年4月3日
Knowledge-based Word Sense Disambiguation using Topic Models
Arxiv
5+阅读 · 2018年1月5日
VIP会员
自助开通(推荐)
客服开通
详情
相关主题
芯片(集成电路)
量子芯片
物理学
量子计算
集成
噪声
相关VIP内容
【经典书】算法基础:打开算法之门,Algorithm unlocked,237页pdf
专知会员服务
140+阅读 · 2020年7月3日
AI创新者:破解项目绩效的密码
专知会员服务
33+阅读 · 2020年6月21日
从HPO到NAS: 自动深度学习
专知会员服务
37+阅读 · 2020年6月15日
【ICML2020投稿论文-DeepMind】时序差分学习的推理与泛化,Temporal Difference Learning
专知会员服务
25+阅读 · 2020年3月16日
谷歌推出量子机器学习框架TFQ-TensorFlow Quantum,一个可训练量子模型的机器学习框架
专知会员服务
33+阅读 · 2020年3月10日
Gary Marcus力作:AI的下个十年,向‘强’人工智能迈进的四步战略(附59页论文下载)
专知会员服务
38+阅读 · 2020年2月20日
【白皮书】量子信息技术总体发展态势,中国信息通信研究院
专知会员服务
60+阅读 · 2020年1月5日
量子信息技术发展与应用研究报告(2019年),57页pdf,中国信息通信研究院
专知会员服务
68+阅读 · 2019年12月29日
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
【综述】arXiv最新论文:自动驾驶中深度学习综述,附38页PDF
专知会员服务
105+阅读 · 2019年10月17日
热门VIP内容
开通专知VIP会员 享更多权益服务
自主系统与反自主系统:美国优势定位
《人类-人工智能编队的探索性模型: 利用人类数字孪生研究信任发展》最新32页
《利用近端策略优化估计最佳飞行轨迹》最新140页
《通过网络重构进行场景可靠军事路线规划》最新67页
相关资讯
薛定谔的猫终于有救了:Nature 研究首次观测到量子跃迁过程
科研圈
6+阅读 · 2019年6月11日
物理学家终于找到了一种拯救薛定谔猫的方法
中科院物理所
8+阅读 · 2019年6月10日
特斯拉完全自动驾驶FSD芯片特点|厚势汽车
厚势
3+阅读 · 2019年4月23日
本周你不能错过的 13 篇论文:18岁华裔少女颠覆量子计算、太宅不怪你怪基因、抖音小姐姐不会让你快乐 等
科研圈
3+阅读 · 2018年12月22日
未来20年(2019—2039)的50个技术预测
全球创新论坛
5+阅读 · 2018年12月16日
陈天奇团队推出开源AI芯片栈VTA,降低芯片设计门槛
AI前线
15+阅读 · 2018年7月13日
【每日安全资讯】AI公司面临隐私问题 不少仍坚持原则拒绝商业机会
Linux中国
3+阅读 · 2018年7月10日
量子计算
人工智能学家
7+阅读 · 2018年4月6日
你知道量子计算吗?它超酷的!
微软研究院AI头条
4+阅读 · 2018年3月16日
量子世界的因果关系
中国物理学会期刊网
8+阅读 · 2017年8月5日
相关论文
Text Level Graph Neural Network for Text Classification
Arxiv
8+阅读 · 2019年10月6日
Long-tail Relation Extraction via Knowledge Graph Embeddings and Graph Convolution Networks
Arxiv
8+阅读 · 2019年3月4日
Dynamic Graph Neural Networks
Arxiv
24+阅读 · 2018年10月24日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Text classification using capsules
Arxiv
5+阅读 · 2018年8月12日
Learning Semantic Sentence Embeddings using Pair-wise Discriminator
Arxiv
6+阅读 · 2018年6月15日
Quantum generative adversarial networks
Arxiv
4+阅读 · 2018年4月30日
Approaches for Enriching and Improving Textual Knowledge Bases
Arxiv
15+阅读 · 2018年4月20日
Correlated discrete data generation using adversarial training
Arxiv
5+阅读 · 2018年4月3日
Knowledge-based Word Sense Disambiguation using Topic Models
Arxiv
5+阅读 · 2018年1月5日
大家都在搜
palantir
洛克菲勒
强化学习方法
自主系统
自主武器
笛卡尔
PRML
大模型
MoE
EBSD晶体学织构基础及数据处理
Top
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top