摘要
量子噪声由于其最小不确定性性质对于量子精密测量和量子密码学具有重要意义。作为一种不可预测、不可重现和安全的状态，量子噪声已成功应用于高速安全通信和量子随机数生成，但是低波动强度的量子噪声不易高效提取，高速密码学应用需要增强量子噪声熵以确保高安全性和快速密钥生成速率。同时，表征噪声源的统计属性对于提高密钥生成速率和信息安全至关重要。二阶光子相关函数g(2)是确定光场的量子统计和光子发射过程的标志性特征。Hanbury Brown和Twiss(HBT)进行了光子相关测量的开创性实验，此后利用先进的单光子探测进行的g(2)测量已在许多应用中得到应用，例如量子成像、量子计算、光谱测量和量子通信等。此外，零时间延迟的光子相关函数g(2)(0)已成为分类光场的标准度量。然而，使用单光子探测进行光子相关测量需要记录大量数据并消耗大量分析资源，由于信号光强度较弱、检测带宽较低和其他非理想的实验条件。测量时间通常从几分钟到几小时甚至几天不等。对光源进行高速光子相关测量仍有待探索，对于安全通信的安全监测和实时量子随机数生成非常重要。 提高g(2)测量带宽将增加处理能力的需求。深度学习可以是准确提取特征和高效实现数据分析的候选方法，并且该技术已被用于加速光量子实验。近年来，深度学习在识别光学场、量子神经网络和验证量子随机动力学等领域取得了重大成就。使用单光子探测可以重构传统HBT干涉仪中测量的热噪声的一组光子事件。然而，单光子探测的带宽有限，使得噪声源的g(2)(0)动态测量困难，同时加速估计多组光子相关数据仍然是一个关键挑战。 针对以上问题，本文的研究内容如下： （1）基于平衡零拍的二阶光子关联测量理论，并在一个1.6GHz宽带平衡零拍装置中进行实验。利用注入弱混沌激光的方法来放大量子噪声，并通过混频滤波将平衡零拍探测器输出的射频信号进行处理。采用了实时采样率为1.4GHz来测量放大量子噪声的二阶光子关联g(2)(0)。在研究中，考虑了不同混沌注入信号的反馈强度、偏置电流、有效带宽和注入强度对放大量子噪声二阶光子关联g(2)(0)的影响。通过改变这些参数，我们观察到了放大量子噪声的二阶光子关联g(2)(0)从1变化到2的一个动态过程，即从相干态到热态的转变。这表明，随着这些参数的增强，光子的聚束效应变得越来越强。这项研究的结果表明，可以通过调节混沌注入信号的特性来控制和调整放大量子噪声的二阶光子关联。这为进一步理解和利用量子噪声放大提供了实验上的支持，并为光子相关性的调控和探索提供了新的思路。 （2）为了处理实验上采集到的大量数据，对比了四种比较流行的机器学习算法在加速数据处理方面的性能，提出了一种基于宽带平衡零拍检测和深度学习加速的技术，用于监测放大量子噪声的二阶光子关联g(2)(0)。利用光子关联卷积神经网络（PCCNN）来加速相关数据，并使用少量正交波动进行g(2)(0)的并行处理，以加速不同注入混沌参数下的g(2)(0)。该技术可在短时间内高精度地测量光子相关，能够在22秒内估计6107组光子相关数据，平均方差误差为0.002，并实现了三个数量级的数据采集时间加速。该技术可用于在安全通信和量子成像中对熵源进行高速和精密的相干评估。
NETL