随机玻色采样中线性光学网络的原位表征

我们引入一种在随机玻色采样（RBS）实验中对线性光学网络（LONs）进行高效原位表征的方法。我们将 RBS 表述为两方 Alice 和 Bob 之间的分布式任务，他们共享双模压缩真空态。在该协议中，Alice 对她的模式执行本地测量，要么是光子计数，要么是外差测量。Bob 实现并将 Alice 所请求的 LON 作用于他的模式；在 LON 的输出端，Bob 进行光子计数，并将结果经经典信道发送给 Alice。在理想情况下，当 Alice 进行光子计数时，她从 Bob 处获得 RBS 问题概率分布的样本，该任务被认为在经典上难以模拟。当 Alice 执行外差测量时，她将实验转换为一个经典上可高效模拟的问题，但更重要的是，使她能够实时表征一个有损 LON，而 Bob 不知情且无需改变 Bob 端任何设置（这就是我们所谓“原位”的含义）。我们引入并计算了经过理想与有损 LON 后 Alice 与 Bob 共享联合态之间的保真度，作为两个 LON 之间距离的度量的。利用该度量，我们得到了 RBS 问题理想概率分布与有损 LON 所实现概率分布之间总变差距离的上界。我们的方法展示了双模压缩真空态纠缠的威力：纠缠使 Alice 能够在每次实验运行中在 RBS 与基于复振幅一阶相干性的简单表征协议之间选择。