多模高斯态光子计数测量产生非经典光的预示概率优化

论文信息

标题: Heralding probability optimization for nonclassical light generated by photon counting measurements on multimode Gaussian states

作者: Jaromír Fiurášek

发布日期: 2026-04-28

arXiv ID: 2604.25910v1

PDF 链接: 下载 PDF

3 分钟速览

研究问题：这篇论文要解决如何最大化基于光子计数测量的条件性非经典光量子态制备方案的预告概率（heralding probability），以提高实验中的状态生成速率。
核心方法：将预告概率的最大化问题转化为求解多项式方程组，从而可以应用 Gröbner 基或同伦延拓等多项式求解技术高效地寻找最优配置（见论文第 II 节）。
关键结果：对于两个预告模式的情况，成功将优化问题系统化为两组多项式方程，并在具体例子中找到了 24 种不同配置及其对应的最大预告概率，其中对称预告模式 (3,3) 在特定目标态下达到了最高概率 $p_S=0.013201$ （见表 I）。
主要局限：该方法目前仅适用于零相干位移的纯高斯态，当存在非零位移时，多项式的复杂度将显著增加（见论文第 VI 节）。
适合读者：从事量子光学、量子信息处理实验或理论研究，特别是涉及条件性量子态工程和 Gaussian Boson Sampling 的人员。

论文背景和研究动机

生成高度非经典的光量子态——如 Fock 态、Gottesman-Kitaev-Preskill (GKP) 态、相干态叠加（薛定谔猫态）或展现非线形压缩的态——是光学量子计算、量子误差修正、量子计量和传感等领域的基石。由于光场之间缺乏足够强的直接非线性相互作用，目前最流行且成果丰硕的方案是条件性预告方案：在一个多模压缩高斯态的部分模式上进行光子数测量，当测量到特定光子数模式时，就 “预告” 了剩余模式中一个非高斯态的成功制备。这类方案与 Gaussian Boson Sampling 密切相关，涵盖了从早期的光子加减到近期复杂态制备的大量实验。

随着技术的进步，实验已经能够探测到越来越高的预告光子数，并生成在相空间中结构日益复杂的状态。然而，这些方案的固有特性是概率性的。因此，最大化预告概率（heralding probability）——即测量到特定光子数模式并成功制备目标态的概率——就成为了一个核心挑战。它直接决定了实验的状态生成速率，对于将非经典光源推向实用化至关重要。此前的研究已经表明，描述输入高斯态的参数可以分为两组：一组 “阻尼参数” 只影响预告概率而不改变生成态的形状，这使得对两者的优化可以很大程度上解耦（见论文第 I 节）。本论文正是在此基础上，专注于解决如何系统且高效地最大化预告概率的问题。

核心方法和技术细节

本研究的核心贡献在于揭示并系统地构建了预告概率最大化问题与多项式方程组求解之间的等价性。作者从最通用的 $(m+1)$ 模式纯高斯态出发，该态由 $m+1$ 个单模压缩真空态在经过一个光学干涉仪后产生，且具有零相干位移。当对 $m$ 个预告模式进行光子数测量，检测到总光子数为 $N$ 时，信号模式中会条件性地生成一个恒星秩（stellar rank）为 $N$ 的非高斯态。

论文巧妙地引入了阻尼参数 $x_j$ (或其平方 $X_j = x_j^2$ )，通过矩阵分解 $A = \Lambda B \Lambda$ 将高斯态的参数化，其中 $B$ 矩阵包含决定生成态形状的参数，而对角矩阵 $\Lambda$ 则包含了只影响预告概率的阻尼参数 $x_j$ 。成功预告概率 $p_S$ 的平方可以简化为关于 $X_j$ 的函数 $\tilde{p}$ ：

\tilde{p} = \det(I - BKB^{\dagger}K) \prod_{j=1}^{m} X_j^{2n_j}

其中 $K = \Lambda^2 = \mathrm{diag}(1, X_1, ..., X_m)$ 。最大化 $p_S$ 就等同于求解一组关于 $X_j$ 的极值方程 $\partial \tilde{p} / \partial X_j = 0$ 。利用 Jacobi 公式求矩阵行列式导数，作者推导出一组明确的代数方程，即一个由 $m$ 个变量和 $m$ 个多项式方程构成的系统（见公式 (19)）。

这个多项式系统的求解可以借助 Gröbner 基构造或同伦延拓法等成熟技术。论文特别处理了当矩阵 $B$ 为实数时出现的无穷多非物理解的问题（这些解对应无限压缩），并通过巧妙重组的极值方程（公式 (24)）来规避，从而确定有限数量的有效解。此外，该方法可以无缝地融入实验中非常关键的 有限压缩约束。通过施加 $\det(\mu^2 I - BKB^{\dagger}K) = 0$ 的条件（其中 $\mu^2 = \tanh^2 r_{\max}$ ），并引入拉格朗日乘子，优化问题同样被转化为一个扩展的多项式方程组。

论文还将该框架扩展到生成 Fock 态的压缩叠加态，通过简单地修改矩阵 $B$ 的 $B_{00}$ 元素（设为 $\tanh r$ ）并解一组线性方程来确定参数，从而将输出态所需的压缩操作吸收进输入高斯态的优化中。

创新点和贡献

该工作的主要创新和贡献在于：

提供了一个系统化的数学框架：将量子态工程中的一个核心优化问题——最大化预告概率——形式化为求解多项式方程组。这使得人们可以利用数值代数几何领域的强大算法工具箱，取代通用的优化算法。
处理了实验相关的压缩上限问题：论文证明了该框架可以自然地集成实验上可用的最大压缩度限制，这是一个非常重要的实际考量，因为无约束优化常会给出当前技术无法达到的极高压缩值。
展示了方法的通用性：虽然没有显式地解耦参数优化，但论文证明了该框架有能力处理生成态参数与阻尼参数优化相耦合的情况。同时，该方法被推广到生成 Fock 态的压缩叠加态和多模纠缠态。
提供了完整的分析范例：通过对两个预报模式生成单模非高斯态（图 3）和双模纠缠态（图 6）的具体实例分析，作者详细展示了如何应用该理论。例如，对于特定的平衡叠加目标态 $|\psi_6\rangle$ 和 $|\psi_7\rangle$ ，作者穷举了所有可能的预告模式组合（ $(3,3), (4,2)$ 等），针对每种情况求解多项式方程，找到了所有物理可行的配置并计算了最大预告概率（见表 I）。这些数值结果不仅验证了方法的可行性，也揭示了不同预告模式选择对最终成功率的影响。

局限与待解决问题

尽管论文建立了一个强大且优雅的理论框架，作者也坦诚地指出了其局限性。最主要的一点是，该方法目前 仅限于处理具有零相干位移的纯高斯态。这类态通过光子数测量条件性生成的态具有明确的宇称性，这一特性简化了多项式的推导。论文提到，虽然该方法原则上可以扩展到具有非零位移的态，但此时归一化因子 $Z$ 的表达式中会包含一个额外的、矩阵 $A$ 的复杂函数构成的高斯项。这将导致最终的优化多项式变得远比当前情况复杂，且次数更高，从而给数值求解带来巨大的计算挑战（见论文第 VI 节）。

此外，对于更大规模的系统（例如更多的预告模式 $m$ ），虽然多项式方程组的规模会增加，但作者并未深入探讨在这种情况下 Gröbner 基或同伦延拓法的具体计算复杂度和可行性极限。对于参数未完全由目标态确定的情况，论文提供了使用拉格朗日乘子法进行耦合优化的方案，但这同样会增加问题的规模和复杂性。未来的工作可能需要针对更大、更复杂的量子态制备方案，探索更高效的数值求解策略或寻找近似方法。