智能量子接收原型机介绍

导读

智能量子接收原型机能自主学习复杂的解码方案并适应环境噪音。在实验中，通过对噪音的建模和学习，智能量子接收机的性能在两种解码任务中相比原有方案都得到了15%左右的提升，并实现了低于散粒噪声极限约40%的误码率。

背景介绍

从自然进化而来的视觉，到古时利用烽火传递的情报，再到如今与生活息息相关的互联网技术，光一直都是承载信息高速传播的一种重要媒介。一般而言，想利用光或者电磁波可靠地传递信息，要求接收的信号强度大于噪音。然而，科学家们发现来自真空涨落的散粒噪声是系统中不可避免的噪音源。这种量子涨落使两个不同相干态的波函数在能量较低时具有较大的重叠部分，传统技术无法有效区分，以至于误码率随着信号强度的减弱指数增加。量子接收机是突破此极限的唯一可能。

上世纪七十年代，MIT的研究人员S. J. Dolinar提出的量子接收机方案在解码二进制相位编码的相干态电磁波任务中有望实现低于散粒噪声极限的误码率，同时被证明可达到了量子信息学所允许的Helstrom理论极限。

直到2007年，该方案的优势才由新墨西哥大学的研究组首次于实验中展示。受限于单光子探测器的效率、暗计数和实验平台中的噪音，该实验最终的误码率仍远超可实用范围。之后，前馈量子接收机系统被美国及日本的多个研究组实现，并推广到了四相位调制以及脉位调制信号。这些实验展示了前馈量子接收机的惊人优势及其对复杂编码的解码潜力，也为未来可能的星际通信技术提供了坚实的实验基础。然而，实验结果与理论预期仍有较大距离。

自Dolinar方案提出以来，量子接收机的设计范式一直秉承着利用极大似然估计和贝叶斯推断技术求得误码率最低时的解析解。然而随着编码变得复杂，前馈量子接收机解码方案的设计难度随解码空间维度指数增加。且近年来的研究表明，已有的量子接收机设计范式无法有效应对由环境扰动和器件瑕疵带来的噪音。

同期的理论文章证明，由于目前实验中的量子操作为高斯型，即便是完美的系统也并不能在任意编码上都达到量子信息极限，而所需的非高斯态将使设计难度进一步上升。另外，在含噪中等规模量子计算框架中，利用经典前馈的量子态制备与操作也需要复杂的方案。这类平台与量子接收机都面临相似的挑战。鉴于此，对前馈量子处理器设计范式的革新迫在眉睫。

另一方面，随着机器学习与人工智能技术越来越成熟，利用人工智能框架辅助进行实验设计不断创造着更高效的实验方案，甚至在多种复杂任务中超越了经验丰富的专家。新的增强学习内核可以在极广袤的参数空间内，找到更优的策略。这使得包含大量参数的实验平台可以自我调节，并在复杂的环境中自动搜寻更好的解决方案。



图1.自适应学习增强的量子接收机整体概念示意图。

创新研究

在此项研究中，研究人员开创性地将自适应学习框架应用于量子接收机的自动设计中。自适应学习赋予量子接收机一定的自适应迭代能力，使其在任何环境里都能自主运行，并达到尽可能优的策略。增强的智能量子接收机包含有硬件、控制逻辑和设计器。其中，硬件和控制逻辑从原有的量子接收机继承而来。

硬件可以类比成一个人的躯干，负责执行所有的命令，实现基本的光学与电学操作。控制逻辑是小脑，实时运行在内置高速处理器（FPGA）中，负责依照设定好的参数控制硬件，解码并记录结果。

而运行在外置电脑上的设计器是整个体系的大脑，负责自适应学习。它与硬件和控制逻辑有通信，传递参数以及测量结果，监控设备运行状态，并阶段性汇总误码率、误差与噪音。与已有的量子接收机平台不同的是，自适应学习框架替代了原本提供设计思路的研究人员。对于需要学习解码的信号，设计器会利用仿真层和学习模块对控制逻辑进行迭代，最终构建出决策树和相应的解码表。

设计器中内嵌有噪音模型，实际应用的各类噪音都能被考虑。在进行学习前，设计器首先对量子接收机进行一次综合解析，拟合得到几种噪音的特征参数。这些具有特征噪音是后面学习时的主要数据。

除此之外，研究人员还对量子接收机的硬件端进行了改进。改进后的实验平台移除了任何在探测器前可能造成额外损耗的分光器件。用于锁定相位的参考光受一个高速光开关控制，在信号光到来时关闭，而在信号光间隔中进行实时相位锁定。这种设计使得该平台在平稳运行时，对光纤通讯波段信号的整体探测效率可达85%，干涉对比度可达99.7%，综合性能领先于现有量子接收机平台。



图2.弱相干光二进制相位编解码示意图，以及三种量子接收机的性能比较。

研究人员通过实验验证了自适应学习增强的量子接受机在两种含噪解码任务中的优势。在解码弱相干态二进制相位编码的任务中，自适应学习增强的量子接受机的解码误码率相比‍Dolinar方案降低了14%，低于散粒噪声极限39%。此方案可实现在低于2%误码率的同时实现每光子传递超过1比特的信息。

而在解码六态正交振幅‍调制的任务中，尽管其所需优化的参数有几千个，自适应学习增强的量子接收机仍可在二十分钟内学习出最佳策略。其误码率相比原有方案降低了19%，低于散粒噪声极限最高43%。这是国际上首次将量子接收机推广至超过四个编码态的解码任务。



图3.弱相干光六态正交振幅调制编解码示意图，以及实验中接收机对六种信号解码的条件概率随解码进程的演化。

研究人员表明，量子接收机适用于任何信道损耗较高或接收光强较低的应用情景，例如星际通信。自适应学习增强的量子接收机因其对噪音和环境的及时感知与适应能力，与低功耗的无人深空探测平台更为兼容。另外，在基于极弱光强的光学传感中，自适应学习增强的量子接收机也有一定的用武之地。该文章所讨论的自适应学习框架也可以应用于含噪中等规模量子计算平台中，利用前馈信息对量子计算中的错误和噪音加以优化。

尽管截止目前，相关研究仍停留在实验室阶段，但自适应学习增强量子接收机对实验平台中出现的常见噪音展现出一定的适应性。随着对实验平台多角度的优化，以及采用更加先进的技术和方案，我们预计自适应学习增强的量子接收机未来将步入实地验证阶段，在更加贴近实际需求的环境中体现出独属于量子信息技术的优势。






审核编辑：刘清