北理工团队基于混合纠缠体系首次实现“低于1光子/像素”的量子擦除二维可视化


1.png

近日,北京理工大学物理学院量子技术研究中心张安宁教授、俞文凯研究员团队在量子成像与量子基础物理研究领域取得重要进展。该团队创新性地结合“首光子成像”技术与“偏振-轨道角动量(orbital angular momentum,OAM)混合纠缠”体系,在平均0.6404个光子/像素的极弱光条件下,成功实现了量子擦除全过程的二维可视化观测。相关成果以“Experimental first-photon visualization of quantum erasure with hybrid entanglement”为题,发表在光学领域国际顶级期刊《Laser & Photonics Reviews》(Laser Photonics Rev. 2025: e01816,IF: 10.0,JCR: Q1,中科院1区Top)。北京理工大学为本工作的第一完成单位,合作单位包括盐城师范学院和中国航天科工智能科技研究院。论文共同第一作者为俞文凯研究员、吴清源博士研究生及陈晓晓博士;共同通讯作者为张安宁教授和俞文凯研究员;论文合作者还包括霍娟研究员、李健博士研究生、杨家之博士。该研究工作得到了国家自然科学基金(Grant Nos. 92365115, 12474480, 62571047)的大力支持。

量子互补原理(complementarity principle)是量子力学的基石,而量子擦除(quantum eraser)是这一原理最直观又最“反直觉”的体现之一。尽管OAM模式因其无限正交特性在量子信息中备受关注,但是传统的OAM量子擦除实验往往面临巨大的效率瓶颈:需要遍历检测所有可能的OAM模式,单次测量通常消耗数千光子,且难以在低光子通量下直观呈现量子态的动态演化。

2.png

图1 混合纠缠量子擦除实验装置示意图[Laser Photonics Rev. 2025: e01816]

面对这一挑战,北京理工大学物理学院的研究团队提出一种全新的量子擦除二维可视化方案。该方案利用北京理工大学首创的非对称矩形纠缠光源,首先产生高亮度、高品质的双光子偏振纠缠态,而后将OAM涡旋态信息编码到纠缠态中,构建出高维空间的“偏振-OAM”混合纠缠态。研究团队巧妙地将“路径标记”信息编码于信号光子与闲置光子的偏振自由度中,利用线性偏振片作为“量子擦除器”。实验表明,当两臂偏振投影夹角设为45°或135°时,光子的“路径信息”被完全擦除,OAM花瓣状干涉图样清晰重现;而当夹角切换至0°或90°时,路径信息被标记,干涉图样随即消失。这种仅通过旋转偏振片即可控制干涉条纹“消失-重现”的现象,生动地演示了量子互补原理。

3.png

图2 首光子物理增强双分支残差注意力网络(first-photon physics-enhanced dual-branch residual attention network,FPDRANet)架构[Laser Photonics Rev. 2025: e01816]

为了在极低光子通量下实现量子擦除过程的高保真二维可视化,研究团队突破首光子成像方法的“空间-时间”三维数据结构的局限,创新性地以光子计时模式(photon timing)取代传统的光子计数模式(photon counting),首次实现了适用于量子纠缠结构的四维“首光子物理增强双分支残差注意力网络”(first-photon physics-enhanced dual-branch residual attention network,FPDRANet)架构。

4.png

图3 经典算法与FPDRANet的重建比较[Laser Photonics Rev. 2025: e01816]

实验结果表明,在平均每像素仅探测到0.6404个光子的极端条件下(远低于传统方法的数千光子需求),该成像系统成功重建了高清晰度的OAM干涉图像,其结构相似度(structural similarity,SSIM)高达0.84。该成果刷新了量子成像的灵敏度记录。文章概念图“旋转的太极”,一半模糊代表信息被擦除,另一半由无数微球组成,代表未擦除的单光子依然携带着无限维OAM量子态信息。

5.png

图4 文章概念

该研究将“首光子成像”方法拓展至量子纠缠四维空间,解决了量子成像面临的光子效率问题,有望促进量子探测技术/单光子探测技术从光子计数(photon counting)范式向光子计时(photon timing)范式转变,进而提升多种新兴量子技术的实用性。为了推动量子技术领域的共同发展,研究团队已将FPDRANet源代码及实验数据集开源。

文章链接:https://doi.org/10.1002/lpor.202501816

开源代码:https://github.com/qingyuanwu/FPDRANet



分享到: