《美国国家标准与技术研究院(NIST)开发出一种稳定量子网络中弱光信号相位的技术》

  • 来源专题:计量基标准与精密测量
  • 编译者: 张宇
  • 发布时间:2025-07-26
  • 近日,美国国家标准与技术研究院(NIST)的科学家在构建大规模量子通信网络方面向前迈出了关键一步。该系统利用量子理论特有的现象(例如叠加和纠缠)来传输和处理量子比特信息(qubits)。

    为了存储和传输数据,科学家和工程师通常使用光子流——在光纤中传播的光粒子。传统的非量子通信网络使用比特(bits)对光子携带的信息进行编码,而比特只能取1或0的值。量子网络有望通过允许多台量子计算机使用它们的“母语”——量子比特(qubits)——而不是比特进行通信,从而解锁新的应用。这些量子比特通常以光子态的形式出现,它们之间的关联如此紧密,甚至纠缠在一起,以至于测量其中一个伙伴的属性会自动确定另一个伙伴的属性,即使它们之间相隔很远。

    尽管可以用波来描述的光子可以携带量子比特,但其纠缠状态本质上是脆弱的。为了保持纠缠,通过光纤传播的光子态不仅必须保持无背景噪声,还要在其到达目的地时保持一个明确定义且稳定的相位——光波中波峰的位置必须相对于标准光源的波峰保持固定。对于某些纠缠状态,仅仅将光波的传播路径偏移700纳米(大约是红光的波长)就会破坏纠缠态。

    经典测量系统可以稳定光的相位,但它们依赖于明亮的光信号(每秒数万亿个光子)和成熟的经典光电探测器。然而,这些技术不适用于量子通信系统,因为量子通信系统需要极其微弱的信号,而这些信号很容易被强光干扰。一个简单的想法是降低激光的强度,但这可能会降低相位测量的准确性。这带来了一个新的挑战:激光的强度降低到多微弱才能实现既不产生干扰又不牺牲测量精度?

    NIST的研究人员现在通过一种创新方法找到了答案,该方法依赖于高度稳定的激光源和通过量子网络传播的微弱光之间的相互作用。由于稳定的激光源具有固定的相位,因此可以作为参考,利用干涉原理测量网络中光的相位。

    如果干扰是破坏性的(参考激光的波峰和波谷恰好抵消了通过网络传输的激光的波峰和波谷),那么参考激光器会就会测量并帮助维持未来量子有效载荷的光学相位。如果干涉不是完全破坏性的,那么检测到的光子数量就会揭示了参考激光与在光纤中传播的光之间的相位差。然后可以通过调整该相位差以产生破坏性干扰,从而将网络中光子态的相位锁定到激光光波的相位上。通过这种该方法既能完成测量又保留了通过光纤传输的光子的相位。由于测量是用微弱的激光进行的,因此该技术不会干扰量子网络中光子之间微妙的纠缠。

    NIST研究团队在连接NIST和马里兰大学帕克分校的光纤中展示了他们的技术,该光纤跨度超过120公里(约75英里)。通过使用位移光子计数法,他们不仅测量了穿过这条长距离链路的激光的相位波动,而且还稳定了其传播状态。被稳定的光其相位波动的幅度非常小,相当于将地球和月球之间距离的测量精度控制到几百微米以内——大约是人类一根头发丝的直径大小。

    即使每秒到达光纤终点的光子数少于一百万个,这种方法仍然有效。“这比标准技术要求的光的强度几乎低了一万倍,”NIST物理学家Jabir Marakkarakath Vadakkepurayil解释道。“这相当于从手机屏幕的单个像素区域进入您眼睛的光子数量。”

    “在长距离微弱光通信(包括量子网络)中,实现稳定相位控制而不被强激光光污染量子态是一个重大难题,”美国国家标准与技术研究院(NIST)的物理学家谢尔盖·波利亚科夫(Sergey Polyakov)说道。“每秒使用不到一百万个光子来控制相位是前所未有的,它消除了一个关键障碍。”

    这一进步为探索量子理论原理的新型实验铺平了道路,也是构建更大、更稳健的量子网络的关键一步。“它让我们更接近未来,在这个未来,多个遥远的量子传感器可以作为一个整体运行,量子计算机可以自由地交换量子信息,” Sergey Polyakov说。

    研究人员,包括美国国家标准与技术研究院(NIST)和马里兰大学帕克分校的物理学家谢尔盖·波利亚科夫(Sergey Polyakov),以及来自NIST和马里兰大学联合量子研究所(Joint Quantum Institute)的合作者,于2025年4月23日在《Optica》期刊上发表了他们的研究成果。(DOI:10.1364/OPTICA.540759)

  • 原文来源:https://www.nist.gov/news-events/news/2025/07/nist-team-develops-technique-stabilize-phase-weak-light-signals-quantum
相关报告
  • 《美国国家标准与技术研究院(NIST)发布全球首批3个后量子加密标准》

    • 来源专题:计量基标准与精密测量
    • 编译者:李晓萌
    • 发布时间:2024-08-16
    • 近日,美国国家标准与技术研究院(NIST)发布全球首批3个后量子加密标准,旨在抵御量子计算机的网络攻击。 世界各地的研究人员正在竞相建造量子计算机,这些计算机将以与普通计算机截然不同的方式运行,并可能打破目前为我们在网上所做的几乎所有事情提供安全和隐私的加密。此次宣布的算法在NIST后量子密码学(PQC)标准化项目的第一个完整标准中进行了规定,并可立即使用。 这三个新标准是为未来而制定的。量子计算技术正在迅速发展,一些专家预测,一种能够破解当前加密方法的设备可能会在十年内出现,威胁到个人、组织和整个国家的安全和隐私。 美国商务部副部长Don Graves表示:“量子计算的进步在重申美国作为全球技术强国的地位和推动我们经济安全的未来方面发挥着至关重要的作用。”。“商务部正在尽其所能确保美国在量子领域的竞争力,包括NIST,处于整个政府工作的最前沿。NIST正在提供宝贵的专业知识,为我们的量子挑战开发创新的解决方案,包括组织可以开始实施的后量子密码学等安全措施,以确保我们的后量子未来。随着这项长达十年的努力的继续,我们期待着商务部在这一重要领域继续保持领导地位。” 这些标准——包含加密算法的计算机代码、如何实现它们的说明以及它们的预期用途——是NIST管理的八年努力的结果,NIST在开发加密方面有着悠久的历史。该机构召集了世界各地的密码学专家,构思、提交并评估可以抵抗量子计算机攻击的密码算法。这项新兴技术可能会彻底改变从天气预报到基础物理学再到药物设计的各个领域,但它也带来了威胁。 负责标准和技术的商务部副部长兼NIST主任Laurie E.Locascio表示:“量子计算技术可以成为解决许多社会最棘手问题的力量,新标准代表了NIST确保它不会同时破坏我们的安全的承诺。”。“这些最终确定的标准是NIST保护我们机密电子信息的努力的顶峰。” 加密在现代数字化社会中承载着沉重的负担。它保护了无数的电子机密,如电子邮件、医疗记录和照片库的内容,以及对国家安全至关重要的信息。加密数据可以通过公共计算机网络发送,因为除了发件人和预期收件人外,所有人都无法读取。 加密工具依赖于传统计算机难以或不可能解决的复杂数学问题。然而,一台功能足够强大的量子计算机将能够非常快速地筛选出这些问题的大量潜在解决方案,从而击败当前的加密技术。NIST标准化的算法基于不同的数学问题,这些问题会阻碍传统计算机和量子计算机的发展。 “这些最终确定的标准包括将它们纳入产品和加密系统的说明,”负责PQC标准化项目的NIST数学家Dustin Moody说。“我们鼓励系统管理员立即开始将它们集成到他们的系统中,因为完全集成需要时间。” Moody表示,这些标准是通用加密和保护数字签名的主要工具。 NIST还继续评估另外两套算法,这两套算法将来可以作为备份标准。 其中一组由三种为通用加密设计的算法组成,但基于与最终标准中的通用算法不同类型的数学问题。NIST计划在2024年底前宣布选择其中一两种算法。 第二组包括为数字签名设计的一组更大的算法。为了适应密码学家自2016年首次呼吁提交以来可能提出的任何想法,NIST在2022年要求公众提供额外的算法,并已开始对其进行评估。在不久的将来,NIST预计将宣布该组中的约15种算法,这些算法将进入下一轮测试、评估和分析。 虽然对这两套额外算法的分析将继续进行,但Moody表示,任何后续的PQC标准都将作为NIST此次宣布的三套算法的备份。 他说:“没有必要等待未来的标准。”。“继续使用这三个标准。我们需要做好准备,以防攻击破坏这三个准则中的算法,我们将继续制定备份计划,以确保我们的数据安全。但对于大多数应用程序来说,这些新标准是主要事件。”
  • 《美国国家标准与技术研究院(NIST)研究人员证明超导神经网络可自主学习》

    • 来源专题:计量基标准与精密测量
    • 编译者:李晓萌
    • 发布时间:2025-08-26
    • 利用精细仿真,美国国家标准与技术研究院(NIST)及其合作团队首次证明一类受大脑启发的电子神经网络——超导神经网络——可在初始训练后完全自主地学习新任务,其学习速度比现有神经网络快100倍。 神经网络通过模拟人脑神经元协同工作的方式进行决策:通过调节神经元之间的信息流动,人脑能够识别新现象、掌握新技能,并在决策时权衡不同选项。 NIST科学家聚焦于超导神经网络,这类网络在极低温(仅比绝对零度高 4 度)下运行,电流无阻力、能耗远低于包括人脑在内的其他系统,因而能以极高速度传输信息。 在新设计中,NIST科学家Michael Schneider及其同事找到了一种操控超导神经网络基本单元的方法,使其能够执行一种称为“强化学习”的自主学习方式——神经网络正是通过强化学习来掌握新任务,例如学习一门新语言。 任何神经网络的核心都在于如何为其电路中的路径分配“权重”或偏好,类似于人脑对不同神经通路赋予不同权重。网络通过“胡萝卜加大棒”的机制调整权重:增强产生正确答案的路径权重,削弱导致错误答案的路径权重。而在 NIST 系统中,构成电路的硬件本身即可决定这些权重变化的大小与方向,无需外部控制或额外计算,就能自主学习新任务。 相关研究成果已于2025年3月4日在线发表于《Unconventional Computing》期刊(DOI:10.1038/s44335-025-00021-9)。 NIST的设计带来两大优势: 第一,网络可在新数据到来时持续学习,而无需每次都从头重新训练整个网络。 第二,设计能自动调整网络中各路径的权重,以容忍制造过程中硬件尺寸和电学特性的微小差异;这种灵活性在常规神经网络训练中是难以实现的,后者通常需要对权重值进行极其精确的编程。 Schneider指出,该设计还有望显著加快网络训练速度,并比基于半导体或软件的训练方案消耗更少能量。仿真已验证硬件方案可行,团队下一步将着手构建小规模的自学习超导神经网络原型。