[论文解读] Telecloning and multiuser quantum channels for continuous variables

Peter van Loock, Samuel L. Braunstein|ArXiv.org|Dec 13, 2000

Quantum Mechanics and Applications参考文献 1被引用 4

一句话总结

该论文提出一种基于纠缠(M+1)模态态的连续变量多用户量子信道(MQC)，实现相干态的对称1→M远程克隆，且附加噪声最小。该方案仅使用两个压缩态和M个分束器，无需对输入态进行放大即可实现最优克隆保真度，且可通过线性光学与适度压缩实现实验验证。

ABSTRACT

We propose entangled (M+1)-mode quantum states as a multiuser quantum channel for continuous-variable communication. Arbitrary quantum states can be sent via this channel simultaneously to M remote and separated locations with equal minimum excess noise in each output mode. For a set of coherent-state inputs, the channel realizes optimum symmetric 1-to-M cloning at a distance (``telecloning''). It also provides the optimal cloning of coherent states without the need of amplifying the state of interest. The generation of the multiuser quantum channel requires no more than two 10\log_{10}[(\sqrt{M}-1)/(\sqrt{M}+1)] dB squeezed states and M beam splitters.

研究动机与目标

• 设计一种多用户量子信道(MQC)，实现在多个远端接收方之间同时、对称地分发量子信息。
• 在不放大输入态的前提下，实现相干态在远距离的最优对称1→M克隆（远程克隆）。
• 在保持每路输出模态中最小附加噪声的前提下，最小化资源消耗——特别是所需压缩量。
• 证明所提出的MQC是在所有通过二次哈密顿量生成的(M+1)模态纠缠态中，压缩资源消耗最经济的方案。

提出的方法

• MQC通过一个纯(M+1)模态的Wigner函数构建，确保在用于远程克隆时，所有M个输出模态具有相等的最小附加噪声。
• 该信道通过两个压缩态（每个至少具有10 log₁₀[(√M−1)/(√M+1)] dB的压缩）和M个分束器生成，形成对称的线性光学网络。
• 该协议使用对称分束器和后续的M路分束器，通过共享的纠缠态将量子信息从发送方分发至M个接收方。
• 该方法推广至M+1模态上的任意幺正变换，通过分解为分束器和相位延迟器，实现远程克隆过程的全面优化。
• 应用遗传算法优化，验证所提出的MQC实现了总压缩量最小，辅助模态趋近真空，仅两个模态显著压缩。
• 该方案通过使用有限压缩、可归一化的Wigner函数，避免了无限压缩的非物理需求，使其相比其他非物理方案更具物理可实现性。

实验结果

研究问题

• RQ1 能否构建一种多用户量子信道，使相干态的对称1→M远程克隆在每个输出中均具有最小附加噪声？
• RQ2 是否可能仅通过线性光学和适度压缩，在不放大输入态的前提下实现最优克隆保真度？
• RQ3 实现连续变量远程克隆的最优MQC所需的最小压缩量是多少？
• RQ4 与通过二次哈密顿量生成的其他纠缠态相比，所提出的MQC在资源效率上如何？
• RQ5 能否将MQC优化为仅使用两个压缩态和M个分束器，同时在所有接收方之间保持对称性能？

主要发现

• 所提出的MQC实现了相干态最优对称1→M远程克隆，所有输出模态具有相等的最小附加噪声，确保所有接收方保真度均衡。
• 该方案仅需两个压缩态，每个至少具有10 log₁₀[(√M−1)/(√M+1)] dB的压缩，以及M个分束器，最大限度减少资源使用。
• 数值优化证实，该MQC在所有通过二次相互作用生成的(M+1)模态态中，总压缩量最小，M−1个辅助模态趋近真空。
• 远程克隆保真度超过经典极限（F_class = 1/2，对相干态），证实了量子优势对纠缠的必要性。
• MQC具有物理可实现性，作为可归一化的态，避免了其他对称构造中非物理的无限压缩需求。
• 对于M=2和M=3，遗传算法优化证实所提态为最优，仅两个模态显著压缩，其余模态处于真空态。