DifGa：量子光子电路中多模高斯与非高斯噪声的可微误差缓解

我们引入了 DifGa，这是一个用于在连续变量（CV）量子光子电路中应对高斯损耗和弱非高斯噪声的完全可微误差缓解框架。该方法使用 PennyLane 的 default.gaussian 后端进行解析模拟来演示，其中量子态由一阶矩和二阶矩表示，并通过自动微分进行端到端优化。高斯损耗被建模为与环境真空模式发生分束器相互作用，其透射率 $\eta \in [0.3,0.95]$，而非高斯相位噪声则通过具有抖动幅度 $\delta \in [0,0.7]$ 的随机相位旋转的可微蒙特卡洛混合来引入。核心架构采用由信号模式、辅助模式和环境模式组成的多模高斯电路。输入态使用参数 $(r_s,\varphi_s,\alpha)=(0.60,0.30,0.80)$ 和 $(r_a,\varphi_a)=(0.40,0.10)$ 的压缩和位移操作进行制备，随后通过角度为 $(\theta,\phi)=(0.70,0.20)$ 的纠缠分束器。误差缓解通过附加一个六参数可训练高斯恢复层来实现，该层由局域相位旋转和位移组成，通过使用固定学习率为 0.06 且在所有实验中采用相同初始化的梯度下降，最小化信号模式正交分量 $\langle \hat{x}_0\rangle$ 和 $\langle \hat{p}_0\rangle$ 上的二次损失来进行优化。在纯高斯损耗下，对于中等损耗（$\eta \ge 0.5$），优化后的恢复将重建误差抑制至接近机器精度（$<10^{-30}$）。当存在非高斯相位噪声时，使用蒙特卡洛平均的噪声感知训练产生了鲁棒的泛化能力，与在大相位抖动下使用高斯训练的恢复相比，误差降低了一个数量级以上。运行时基准测试证实了其与蒙特卡洛样本数量呈线性缩放关系。