導讀

智能量子接收原型機能自主學習復雜的解碼方案并適應環境噪音。在實驗中，通過對噪音的建模和學習，智能量子接收機的性能在兩種解碼任務中相比原有方案都得到了15%左右的提升，并實現了低于散粒噪聲極限約40%的誤碼率。

背景介紹

從自然進化而來的視覺，到古時利用烽火傳遞的情報，再到如今與生活息息相關的互聯網技術，光一直都是承載信息高速傳播的一種重要媒介。一般而言，想利用光或者電磁波可靠地傳遞信息，要求接收的信號強度大于噪音。然而，科學家們發現來自真空漲落的散粒噪聲是系統中不可避免的噪音源。這種量子漲落使兩個不同相干態的波函數在能量較低時具有較大的重疊部分，傳統技術無法有效區分，以至于誤碼率隨著信號強度的減弱指數增加。量子接收機是突破此極限的唯一可能。

上世紀七十年代，MIT的研究人員S. J. Dolinar提出的量子接收機方案在解碼二進制相位編碼的相干態電磁波任務中有望實現低于散粒噪聲極限的誤碼率，同時被證明可達到了量子信息學所允許的Helstrom理論極限。

直到2007年，該方案的優勢才由新墨西哥大學的研究組首次于實驗中展示。受限于單光子探測器的效率、暗計數和實驗平臺中的噪音，該實驗最終的誤碼率仍遠超可實用范圍。之后，前饋量子接收機系統被美國及日本的多個研究組實現，并推廣到了四相位調制以及脈位調制信號。這些實驗展示了前饋量子接收機的驚人優勢及其對復雜編碼的解碼潛力，也為未來可能的星際通信技術提供了堅實的實驗基礎。然而，實驗結果與理論預期仍有較大距離。

自Dolinar方案提出以來，量子接收機的設計范式一直秉承著利用極大似然估計和貝葉斯推斷技術求得誤碼率最低時的解析解。然而隨著編碼變得復雜，前饋量子接收機解碼方案的設計難度隨解碼空間維度指數增加。且近年來的研究表明，已有的量子接收機設計范式無法有效應對由環境擾動和器件瑕疵帶來的噪音。

同期的理論文章證明，由于目前實驗中的量子操作為高斯型，即便是完美的系統也并不能在任意編碼上都達到量子信息極限，而所需的非高斯態將使設計難度進一步上升。另外，在含噪中等規模量子計算框架中，利用經典前饋的量子態制備與操作也需要復雜的方案。這類平臺與量子接收機都面臨相似的挑戰。鑒于此，對前饋量子處理器設計范式的革新迫在眉睫。

另一方面，隨著機器學習與人工智能技術越來越成熟，利用人工智能框架輔助進行實驗設計不斷創造著更高效的實驗方案，甚至在多種復雜任務中超越了經驗豐富的專家。新的增強學習內核可以在極廣袤的參數空間內，找到更優的策略。這使得包含大量參數的實驗平臺可以自我調節，并在復雜的環境中自動搜尋更好的解決方案。



圖1.自適應學習增強的量子接收機整體概念示意圖。

創新研究

在此項研究中，研究人員開創性地將自適應學習框架應用于量子接收機的自動設計中。自適應學習賦予量子接收機一定的自適應迭代能力，使其在任何環境里都能自主運行，并達到盡可能優的策略。增強的智能量子接收機包含有硬件、控制邏輯和設計器。其中，硬件和控制邏輯從原有的量子接收機繼承而來。

硬件可以類比成一個人的軀干，負責執行所有的命令，實現基本的光學與電學操作。控制邏輯是小腦，實時運行在內置高速處理器（FPGA）中，負責依照設定好的參數控制硬件，解碼并記錄結果。

而運行在外置電腦上的設計器是整個體系的大腦，負責自適應學習。它與硬件和控制邏輯有通信，傳遞參數以及測量結果，監控設備運行狀態，并階段性匯總誤碼率、誤差與噪音。與已有的量子接收機平臺不同的是，自適應學習框架替代了原本提供設計思路的研究人員。對于需要學習解碼的信號，設計器會利用仿真層和學習模塊對控制邏輯進行迭代，最終構建出決策樹和相應的解碼表。

設計器中內嵌有噪音模型，實際應用的各類噪音都能被考慮。在進行學習前，設計器首先對量子接收機進行一次綜合解析，擬合得到幾種噪音的特征參數。這些具有特征噪音是后面學習時的主要數據。

除此之外，研究人員還對量子接收機的硬件端進行了改進。改進后的實驗平臺移除了任何在探測器前可能造成額外損耗的分光器件。用于鎖定相位的參考光受一個高速光開關控制，在信號光到來時關閉，而在信號光間隔中進行實時相位鎖定。這種設計使得該平臺在平穩運行時，對光纖通訊波段信號的整體探測效率可達85%，干涉對比度可達99.7%，綜合性能領先于現有量子接收機平臺。



圖2.弱相干光二進制相位編解碼示意圖，以及三種量子接收機的性能比較。

研究人員通過實驗驗證了自適應學習增強的量子接受機在兩種含噪解碼任務中的優勢。在解碼弱相干態二進制相位編碼的任務中，自適應學習增強的量子接受機的解碼誤碼率相比?Dolinar方案降低了14%，低于散粒噪聲極限39%。此方案可實現在低于2%誤碼率的同時實現每光子傳遞超過1比特的信息。

而在解碼六態正交振幅?調制的任務中，盡管其所需優化的參數有幾千個，自適應學習增強的量子接收機仍可在二十分鐘內學習出最佳策略。其誤碼率相比原有方案降低了19%，低于散粒噪聲極限最高43%。這是國際上首次將量子接收機推廣至超過四個編碼態的解碼任務。



圖3.弱相干光六態正交振幅調制編解碼示意圖，以及實驗中接收機對六種信號解碼的條件概率隨解碼進程的演化。

研究人員表明，量子接收機適用于任何信道損耗較高或接收光強較低的應用情景，例如星際通信。自適應學習增強的量子接收機因其對噪音和環境的及時感知與適應能力，與低功耗的無人深空探測平臺更為兼容。另外，在基于極弱光強的光學傳感中，自適應學習增強的量子接收機也有一定的用武之地。該文章所討論的自適應學習框架也可以應用于含噪中等規模量子計算平臺中，利用前饋信息對量子計算中的錯誤和噪音加以優化。

盡管截止目前，相關研究仍停留在實驗室階段，但自適應學習增強量子接收機對實驗平臺中出現的常見噪音展現出一定的適應性。隨著對實驗平臺多角度的優化，以及采用更加先進的技術和方案，我們預計自適應學習增強的量子接收機未來將步入實地驗證階段，在更加貼近實際需求的環境中體現出獨屬于量子信息技術的優勢。






審核編輯：劉清