使用量子光学装置的可扩展无冲突强盗算法

光帮助我们在不冲突的情况下共享资源

从 Wi‑Fi 网络到在线广告，许多现代技术必须在多个同时争取最佳选项的用户之间进行调度。当两个人或设备在不知情的情况下做出相同选择时，会相互干扰，导致整体表现下降。本文展示了如何利用精心设计的量子光束作为公正的裁判，悄然引导两个独立的决策者走向良好选择，同时防止他们选择同一选项——且彼此之间不需要任何直接通信。

选择、奖励与拥挤问题

工程师常用“多臂老虎机”框架来建模重复决策问题，灵感来自一排老虎机。每个选项以某个隐藏概率给出奖励，因此玩家必须在尝试不同选项以获取信息与坚持看起来最优的选项之间权衡。当多个玩家面对相同选项并都想要高回报选项时，挑战会变得更加艰巨。如果他们同时选择相同选项，就必须分摊奖励。这种情况称为竞争性多臂老虎机问题，它反映了真实世界的任务，例如为无线设备分配无线频段或为数据流量分配服务器——过多用户涌向同一信道会损害所有人。

将扭曲光作为共享决策引擎

作者提出的解决方案使用单光子——光的粒子——其波型像微小的螺旋一样旋转，这一特性称为轨道角动量。由于这些扭曲的光模式可区分并且理论上可以支持许多不同的“模态”，它们提供了代表不同选择的大量标签。在所设想的装置中，光源产生一对关联光子，通过一系列镜子和分束器分别送到两个玩家处。每个玩家将他们的光子传入可编程器件，该器件塑造光子的扭曲模式，使得每个模态的亮度反映该玩家根据其过去胜负当前对各选项的偏好强度。

利用量子干涉防止碰撞

在模式设置好之后，这对光子在分束器处相遇并发生量子干涉：组合的光波会根据其相对扭曲和相位而相互加强或抵消。研究者展示了如何调整光的隐含相位角，使得每当两光子从不同输出路径出现时，它们必然携带不同的扭曲值。然后每个玩家测量其光子的绝对扭曲量，并将该值解释为要选择的具体选项。由于干涉效应，当两光子都被成功探测到时，他们绝不会收到相同的指令。实际上，光物理本身就强制执行了无碰撞规则，这是普通经典光无法再现的。

在扩展到多选项时实现学习

光学系统与一种简单的学习规则耦合，使每个玩家在多轮过程中逐步从广泛探索转向偏向收益更高的选项。关键在于，与早期依靠减弱光强以编码偏好的光学方案不同——随着选项数量增加会浪费越来越多光子——该设计将偏好直接嵌入到每个光子的扭曲模式中。作者分析了光子以分离路径输出的频率、所得选择与玩家意图偏好模式的匹配程度，以及累计的“遗憾”量（即与理想策略相比损失的奖励）。在包含五个和十个选项的大规模计算机模拟中，他们的方法始终实现了更高的奖励、更快的适应，并且比先前的方法对调节参数不那么敏感。

对真实系统的意义

除了数学性能外，该方法还暗示了一种新型硬件风格：让光承担部分“思考”工作。由于协调是通过干涉在物理上发生而不是通过数字消息实现，两台设备可以在不暴露内部优先级的情况下避免互相冲突。作者认为，这种无冲突、高吞吐量且保护隐私的决策引擎未来可能内置于数据中心的光链路或需要以最少通信快速占用空闲信道的无线系统中。尽管当前工作在两名玩家的仿真中演示，但它展示了如何利用量子光学的独特性质来处理复杂的学习与协调任务，这是标准电子技术难以轻易实现的。

引用: Konaka, K., Röhm, A., Mihana, T. et al. Scalable conflict-free bandit algorithm using a quantum optical setup. npj Quantum Inf 12, 44 (2026). https://doi.org/10.1038/s41534-026-01201-6

关键词: 量子光学, 强化学习, 多臂老虎机问题, 轨道角动量, 光子决策