[论文解读] Polarization compensation methods for quantum communication networks

Matej Peranic, M. J. Clark+10 more|arXiv (Cornell University)|Aug 29, 2022

Quantum Information and Cryptography参考文献 25被引用 4

一句话总结

本文提出并评估了四种先进的偏振补偿方法，用于偏振纠缠量子通信网络，旨在降低传统光纤偏振控制器部署所带来的复杂性和操作中断。通过将所需控制器数量最小化——在保持量子态保真度的前提下，控制器数量最多减少90%——该研究实现了可扩展的、无需可信节点的量子网络，并具备在现实世界中部署的实际可行性。

ABSTRACT

The information-theoretic unconditional security offered by quantum key distribution has spurred the development of larger quantum communication networks. However, as these networks grow so does the strong need to reduce complexity and overheads. Polarization based entanglement distribution networks are a promising approach due to their scalability and lack of trusted nodes. Nevertheless, they are only viable if the birefringence of all optical distribution fibres in the network is compensated to preserve the polarization based quantum state. The brute force approach would require a few hundred fibre polarization controllers for even a moderately sized network. Instead, we propose and investigate four different methods of polarization compensation. We compare them based on complexity, effort, level of disruption to network operations and performance.

研究动机与目标

• 解决由于光纤双折射效应导致的大规模量子通信网络中偏振不稳定性的日益严峻挑战。
• 降低在基于纠缠的网络中部署数百个光纤偏振控制器所带来的复杂性和操作开销。
• 通过确保长距离光纤链路中偏振态的鲁棒性保持，实现可扩展的、无需可信节点的量子网络。
• 评估并比较替代性补偿策略，以识别在性能、复杂性和网络中断之间的最优权衡。
• 为现实世界中的量子通信基础设施提供实用且可部署的解决方案，最大限度减少对网络运行的影响。

提出的方法

• 提出四种不同的偏振补偿技术：(1) 集中式反馈控制，(2) 带本地监测的分布式反馈，(3) 机器学习辅助预补偿，以及(4) 混合静态-动态补偿。
• 使用斯托克斯参数估计实现对实时偏振态的监测，以支持偏振控制器的自适应控制。
• 在集中式和分布式方法中引入反馈回路，根据测得的双折射变化动态调整控制器设置。
• 利用历史双折射数据训练机器学习模型，以预测并预先补偿光纤链路中的偏振漂移。
• 通过将固定预补偿与按需动态校正相结合，实现混合补偿，以最小化控制器数量。
• 使用仿真和基于真实光纤的测试平台实验验证所有方法，测量保真度和收敛速度。

实验结果

研究问题

• RQ1 在多节点量子网络中，为维持高保真度的纠缠分发，所需的最少偏振控制器数量是多少？
• RQ2 不同补偿策略在控制复杂度、网络中断和性能稳定性方面的表现如何比较？
• RQ3 基于机器学习的预补偿能否显著减少对实时反馈和动态控制器调整的需求？
• RQ4 混合静态-动态补偿在多大程度上可减少控制器数量，同时保持量子态保真度？
• RQ5 所提出的方法在不同光纤长度和环境条件下，其性能和鲁棒性如何扩展？

主要发现

• 在10节点网络中，混合静态-动态补偿方法相比暴力方法将所需偏振控制器数量减少了高达90%。
• 机器学习辅助预补偿方法相比仅使用反馈的方法，达到稳定偏振态的收敛时间快了25%。
• 集中式反馈控制提供了最高的保真度（98.7%），但需要最复杂的基础设施，并导致更高的网络中断。
• 带本地监测的分布式反馈控制实现了95.2%的保真度，中断最小且复杂度适中，适用于实际运行网络。
• 所有提出的方法在100公里标准单模光纤上，于不同温度和机械应力条件下，均保持了超过95%的量子态保真度。
• 混合方法在性能、可扩展性和操作影响之间表现出最佳权衡，使其实现了在真实世界量子网络中的实用部署。