Динамические локальные операции и классическая коммуникация для автоматизированной манипуляции запутанностью

Почему важно превращать шумные квантовые каналы в надёжные

Современные квантовые компьютеры малы и хрупки, но многие их самые интересные применения — от защищённой связи до мощных симуляций — требуют, чтобы машины могли действовать совместно на больших расстояниях. Это предполагает обмен особым видом связи, называемым запутанностью, между удалёнными лабораториями. В реальности такие каналы легко повреждаются шумом, что делает их дорогими и ненадёжными. В этой статье предлагается новый способ автоматического проектирования поэтапных процедур, которые очищают эти шумные квантовые каналы и помогают удалённым устройствам эффективнее работать вместе.

Построение более умного плейбука для удалённых квантовых лабораторий

Исследование фокусируется на ограниченной, но реалистичной установке: удалённые лаборатории могут управлять только своими локальными квантовыми системами и обмениваться информацией по обычному классическому каналу. Этот набор правил, известный как «локальные операции и классическая коммуникация», является основой распределённых квантовых вычислений. Проектировать хорошие стратегии в рамках этих правил чрезвычайно сложно: пространство возможных решений растёт взрывоподобно с увеличением размеров системы. Ранее использовались методы машинного обучения (подход под названием LOCCNet) для поиска полезных стратегий, но вычислительные затраты росли настолько быстро, что метод был применим только к небольшим задачам. Новая схема, называемая динамической LOCCNet (DLOCCNet), сохраняет идею автоматического проектирования, но перестраивает процесс так, чтобы он масштабировался на значительно большие системы.

Разбиение крупных квантовых задач на небольшие повторно используемые шаги

Ключевая идея DLOCCNet — избегать создания одного гигантского протокола, который охватывает все копии разделённого состояния одновременно. Вместо этого метод разбивает задачу на последовательность раундов, каждый из которых работает только с небольшим числом кубитов в каждой лаборатории. В каждом раунде две стороны запускают компактную настраиваемую локальную схему, измеряют часть кубитов, обмениваются результатами измерений по классическому каналу и затем решают, как действовать в следующем раунде — возможно, сбрасывая некоторые кубиты и подставляя свежую запутанную пару. Классический оптимизатор подбирает параметры схемы так, чтобы после многих смоделированных прогонов выбранная метрика эффективности (например, качество итогового запутанного состояния или вероятность успеха в задаче различения) была максимальной. Поскольку каждый раунд затрагивает лишь небольшую фиксированную подсистему, вычислительные усилия растут плавно с числом копий, вместо того чтобы взрываться.

Более эффективная очистка шумных квантовых каналов

Авторы сначала применяют DLOCCNet к задаче дистилляции запутанности — процессу, в котором несколько шумных запутанных пар расходуются для получения меньшего числа пар более высокого качества. Они тестируют подход на нескольких стандартных типах шума, включая потери (стирание), случайные флип-ошибки и смешивание (деполяризующий шум), а также утечку энергии (усиление амплитуды и его термический вариант). Для простейшей модели потерь DLOCCNet находит аналитический протокол, который использует лишь небольшой набор базовых квантовых вентилей и близок к максимально возможной производительности, а при наличии большего числа копий превосходит широко используемый эталонный протокол DEJMPS. Для более сложных моделей шума DLOCCNet стабильно даёт пары более высокого качества, чем динамические версии старых методов, и делает это при резко меньших затратах на обучение, даже когда используются намного большие входные наборы, чем могли обрабатывать предыдущие методы машинного обучения.

Использование множества копий для различения квантовых состояний

Далее фреймворк применяется к распределённому различению состояний, где удалённые лаборатории должны решить, какое из двух возможных совместных квантовых состояний у них имеется. Вместо того чтобы расширять схему, чтобы одновременно обрабатывать множество копий, DLOCCNet сохраняет фиксированную ширину схемы и пропускает копии последовательно, корректируя последующие действия на основе результатов предыдущих измерений. Цель — минимизировать вероятность ошибочного предположения. Численные эксперименты показывают, что по мере увеличения числа используемых копий вероятность правильно опознать состояние заметно возрастает, хотя схема в каждом раунде остаётся небольшой. Сравнения с теоретическими эталонами показывают, что автоматически спроектированные стратегии эффективно используют ограниченные коммуникацию и управление, доступные в реалистичных распределённых условиях.

Что это значит для будущих квантовых сетей

Проще говоря, эта работа даёт рецепт, как научить удалённые квантовые устройства сотрудничать в условиях строгих ограничений, используя умеренные вычислительные ресурсы. Превратив пугающую задачу «всё и сразу» в цепочку небольших обучаемых шагов, DLOCCNet способен создавать практичные протоколы, которые очищают шумную запутанность и надёжнее различают деликатные квантовые состояния. Для будущих квантовых сетей — где множество небольших процессоров потребуется делиться высококачественными соединениями по несовершенным каналам — такие масштабируемые автоматически спроектированные плейбуки могут стать ключевым компонентом в превращении хрупких лабораторных экспериментов в надёжные крупномасштабные технологии.

Цитирование: Liu, X., Zhao, J., Zhao, B. et al. Dynamic local operations and classical communication for automated entanglement manipulation. Commun Phys 9, 113 (2026). https://doi.org/10.1038/s42005-026-02549-z

Ключевые слова: распределённые квантовые вычисления, дистилляция запутанности, локальные операции и классическая коммуникация, квантовые сети, различение квантовых состояний