文献解读 | 单片超表面完成多光子纠缠态的阴影层析（Nature Communications 2024）
论文简介
本期解读的是 2024 年 5 月发表在 Nature Communications 上的论文：Efficient characterizations of multiphoton states with an ultra-thin optical device（《用超薄光学器件高效表征多光子态》，DOI: 10.1038/s41467-024-48213-4，Nature 全文页，PMC 开放全文）。作者为 Kui An、Zilei Liu、Ting Zhang、Siqi Li、You Zhou、Xiao Yuan、Leiran Wang、Wenfu Zhang、Guoxi Wang 与 He Lu，来自中国科学院西安光学精密机械研究所、山东大学等单位，通讯作者为 He Lu（山东大学）与 Guoxi Wang（西安光机所）。一句话贡献：论文用一片边长 210 微米的超表面实现了”八面体 POVM”——一个把所有偏振测量方向固化在芯片上的正算子取值测度——从而让阴影层析（shadow tomography）这种省测量次数的量子态表征协议，不再需要快速切换复杂可调光路，并对单光子和两光子纠缠态都做到了高保真重建。
为什么多光子纠缠态”难测”：层析的测量次数困境
多光子纠缠是量子计算、量子纠错、量子秘密共享和量子传感的共同基石。但”造出来”不等于”知道它是什么”：实验装置总有噪声和误差，纠缠态会退化，而只有把量子态测清楚，才能诊断实验缺陷、衡量技术进展。这项工作就是”表征”（characterization）这一环——它回答的问题是：一个多光子量子态到底要测多少次才能弄清？
标准量子层析（standard quantum tomography，SQT）的答案是：随系统规模指数增长。一个 N 比特量子态由 $d^2=4^N$ 个实参数描述（$d=2^N$ 是密度矩阵的维数），传统方法要为每个参数安排一组测量并反复统计。量子比特数每加一，工作量就翻几倍；光子数再多一些，完整重建就变得不现实。后来出现的压缩感知、自适应层析、自引导量子层析（self-guided quantum tomography，SGQT）等协议减少了测量次数，但大多仍需要在不同测量设置之间来回切换。而在光学实验中，切换设置（转波片、换偏振片）的速度通常比数据采集慢得多，这成了实际瓶颈。
阴影层析：少测几次的数学协议
2018 年，Aaronson 提出了一个改换目标的问题：如果我们的目的不是”重建完整量子态”，而只是”预测量子态的很多个性质”，能不能用远少于完整层析的测量次数做到？这就是阴影层析（shadow tomography）。2020 年，Huang、Kueng 与 Preskill 给出了可执行方案——经典阴影（classical shadow）协议：对量子态做随机测量，把每次测量的结果存成一个”影子”估计，重复 M 次后，用这些影子就能估计大量可观测量的期望值，包括纯度、Rényi 熵这类非线性量——后者正是探测多体纠缠的重要工具。
经典阴影协议有两种实现路线。第一种是随机酉变换加投影测量：每次测量前先随机转一个方向，这要求实验装置在设置之间快速切换。第二种是正算子取值测度（positive operator valued measure，POVM）：设计一组非正交的测量算符，让一次测量就同时”问”多个方向的问题。POVM 的好处是单一实验装置就能完成信息完备测量——实验者无需切换设置，因此可以随时开始、随时停止，实现”实时”阴影层析。问题在于，光学里紧凑、可扩展的 POVM 实现一直很难做。这篇论文的核心贡献，就是用一片超表面把这个问题解决掉了。
把 POVM 刻进一片超表面（图 1）
论文选择的 POVM 非常具体：用偏振编码的量子比特（$|0\rangle=|H\rangle$ 表示水平偏振，$|1\rangle=|V\rangle$ 表示垂直偏振），取 $L=6$ 个投影方向——水平 $H$、垂直 $V$、对角 $+=(H+V)/\sqrt2$、反对角 $-$、左旋圆偏振 $L$ 与右旋圆偏振 $R$。这六个方向在 Bloch 球上构成一个八面体的六个顶点，因此称为八面体 POVM（$E_{\mathrm{octa}}$）；每个测量元素 $E_l=\frac{2}{L}|\psi_l\rangle\langle\psi_l|$，满足 $\sum_l E_l=I_2$，测量结果按 Born 规则 $Pr(l|\rho)=\mathrm{Tr}(E_l\rho)$ 抽取。
要在一块芯片上实现它，器件被设计成 210 微米 × 210 微米的偏振相关超表面：石英衬底上排列单层非晶硅纳米柱（高 700 纳米、像素周期 500 纳米），整片分成三个 210 微米 × 70 微米区域，分别负责把 $H/V$、$+/-$、$R/L$ 三组正交偏振在空间上分开（图 1b–d）。每个纳米柱相当于一个矩形截面的微型波导，其长度、宽度和转角共同决定它对偏振的响应。工艺上，器件用低压化学气相沉积（LPCVD）生长非晶硅，电子束光刻（EBL）写图形，反应离子刻蚀（RIE）转移结构。
如何验证这块”测量芯片”真的测对了？实验用已知偏振态的输入光照射器件，在焦平面上读出六个方向的强度分布，再反解出 Stokes 参数。结果显示 $s_1$、$s_2$、$s_3$ 的平均重建误差分别为 $0.101\pm0.005$、$0.086\pm0.005$、$0.073\pm0.005$（图 1e、f）——误差主要来自设计时相位前沿的离散化，它不可避免会引入高阶偏转。这个量级的器件误差，后来成为检验算法鲁棒性的天然测试场。
图 1：(a) E_octa 的元素是对 H、V、+、−、R、L 态的投影，它们在 Bloch 球上构成八面体对称多面体；(b) 实现 E_octa 的超表面，绿色、黄色和红色区域代表纳米柱的不同排布方式；(c) 三个区域制备纳米柱的扫描电子显微镜（SEM）图像；(d) 单根纳米柱示意图，柱高同为 700 nm、但（θ，l_x′，l_y′）不同；(e) 输入偏振为 H、V、+、−、R、L 时焦平面上的强度分布测量结果；(f) 由 (e) 数据重建的 Stokes 参数（s_1、s_2、s_3），误差棒表示重建 Stokes 参数的标准差。
实时阴影层析：一边测、一边看结果收敛（图 2）
有了这片超表面，实验装置变得非常简单（图 2a）：周期性极化钛氧磷酸钾（PPKTP）晶体放在 Sagnac 干涉仪里，用 405 纳米的激光二极管泵浦，通过自发参量下转换（spontaneous parametric down-conversion，SPDC）产生中心波长 810 纳米的偏振纠缠光子对，理想形式为 $|\psi_\eta\rangle=\sqrt{\eta}|HV\rangle+\sqrt{1-\eta}|VH\rangle$。把其中一个光子投影到 $H$ 上作为”预报”（heralding），另一个光子就处于确定的偏振态；再用两个电控波片（电控半波片 E-HWP 和电控四分之一波片 E-QWP）把它转成任意目标态 $|\psi_{\gamma,\phi}\rangle=\cos\gamma|H\rangle+\sin\gamma e^{i\phi}|V\rangle$。这个光子穿过超表面后，六路输出由 20 倍物镜、200 毫米管镜、三棱镜和迷你透镜分别耦合进六根多模光纤，进计数器。
论文先做最基础的任务：估计 128 个均匀分布在 Bloch 球上的单比特投影算符的期望值。结果是最大估计误差随测量次数 $M$ 增加收敛到 0.07（图 2b），而且估计值在几百毫秒内就稳定下来（图 2c）——这就是”实时”的含义：测量设置固定不动，实验者随时可以停下来看结果。
衡量样本复杂度的关键是 shadow norm（阴影范数）：方差 $Var(\hat O)\le|O|^2_{shd}$，它决定了达到给定精度需要多少次测量。对理想的 E_octa，理论 shadow norm 恒为 0.75，与可观测量形式无关；实验在 $M>255$ 时收敛到这个值（图 2d、e）。论文还做了对照：用对称信息完备 POVM（symmetric informationally complete POVM，SIC-POVM）模拟同样的估计，它的 shadow norm 随观测量波动且通常更大——也就是说，八面体 POVM 用更少的测量次数就能达到同样的精度。
图 2：(a) 产生纠缠光子并用超表面演示阴影层析的装置。PBS，偏振分束器；DM，二色镜；HWP，半波片；QWP，四分之一波片；E-HWP，电控半波片；E-QWP，电控四分之一波片；OL，物镜。(b) O∈O 的期望值估计的最大误差。(c) 五个随机选取的 O∈O 的期望值实时估计。(d) 不同实验次数下 O=|+⟩⟨+| 的 shadow norm max_P Var(ô)。(e) 128 个 O∈O 的 shadow norm（红点）与 SIC-POVM 的模拟结果（蓝色菱形），128 个观测量按 Haar 随机选取。(b) 与 (d) 中的点和误差棒为重复实验 5 次的均值与标准差，Exp. 与 Sim. 分别表示实验结果与模拟结果。
从”估期望”到”重建态”：自学习阴影层析（图 3）
估计期望值还只是”预测量子态的性质”。要重建量子态本身（得到完整的密度矩阵），直接把 M 次测量影子求平均通常不是物理态——有限测量下它不满足半正定、迹为 1 的约束。论文的做法是：在物理约束下求解一个优化问题，最小化平方 Frobenius 范数的无偏估计，并用同时扰动随机逼近（simultaneous perturbation stochastic approximation，SPSA）算法迭代求解——这就是自学习阴影层析（self-learning shadow tomography，SLST）。
SPSA 的思路和传统最大似然估计（maximum likelihood estimation，MLE）很不一样。MLE 估算梯度时要逐个改变参数，开销正比于未知参数个数（N 比特态是 $4^N-1$ 个）；SPSA 每次把所有参数一起扰动（每个参数以等概率取 ±1 随机扰动），一次梯度只需评估两次代价函数，还能天然容忍有噪声的测量。SLST 因此很适合”影子数据”这种本身带统计噪声的输入。
单光子态的对比最有说服力：同样的 315 次测量下，SLST（30 次迭代）平均保真度达到 $0.992\pm0.001$，SGQT 为 $0.983\pm0.003$，而 MLE 重建收敛到 $0.93\pm0.01$（图 3a）——注意 MLE 的误差约 0.07，正好和前面观测量估计误差一致，说明它把超表面的器件误差”照单全收”了；而 SLST 与 SGQT 因为优化算法能容纳噪声测量，反而把器件误差抑制住了。
两光子纠缠态（$\eta=0.06$、0.37、0.87）的重建更接近实用场景：一个光子由超表面 POVM 检测，另一个光子随机在 $\sigma_x$、$\sigma_y$、$\sigma_z$ 三个基上测量，参考态则由体光学装置约 $8\times10^5$ 次测量重建得到。SLST 用 M=2000 次测量、200 次迭代，三个态的保真度分别达到 $0.986\pm0.002$、$0.990\pm0.001$、$0.981\pm0.002$（图 3c、d），而两光子 MLE 重建的误差约为 $0.047\pm0.005$。
图 3：(a) 用 SLST、自引导量子层析（SGQT）和最大似然估计（MLE）重建单光子态与目标态 |ψ_γ,φ⟩ 之间的平均保真度；(b) 实验次数 M 从 10 增加到 1000 时 SLST 的平均保真度；(c) 用 SLST 和 MLE 重建两光子态与目标态 ρ_η 的保真度；(d) M=2000 次测量时 SLST（虚线）重建两光子态的保真度，实线为 M=2000 时 MLE 层析的保真度。(a) 与 (c) 中的点和误差棒为重复实验 5 次的均值与标准差，(d) 中的虚线和阴影为重复迭代 5 次的均值与标准差。
抗噪：鲁棒阴影层析（图 4）
超表面器件本身有误差，光路上还有损耗。论文的最后一组实验把这两件事一起处理：先在高质量态 $|HH\rangle$ 上做 $M’=2000$ 次测量，标定出含噪声的测量通道（制备保真度 $0.9956\pm0.0005$），再用噪声通道的逆变换构造经典影子——这就是鲁棒阴影层析（robust shadow tomography）。随后在超表面前插入可调衰减器，把光学损耗从 1.5 dB 一直加到 8.6 dB，模拟更强的测量噪声。
结果很直观：损耗为零时 SLST 本身已经能容纳超表面误差，鲁棒版本的增益不明显；损耗增大后，鲁棒 SLST 的重建保真度明显高于普通 SLST 和 MLE（图 4）。这相当于给整个方案加了一道”出厂校准”：先测一遍已知态，把器件的坏脾气记下来，再在正式测量中把它算回去。
图 4：(a) ρ_η=0.06、(b) ρ_η=0.37 与 (c) ρ_η=0.87 时的两光子态重建保真度。每种重建使用 M=1000 次实验；鲁棒 SLST 额外用 M′=2000 次实验做标定，SLST 与鲁棒 SLST 均取 k=200。误差棒为假设 M（及 M′）次实验采集的光子服从泊松分布的蒙特卡洛模拟给出的标准差。
一张表看懂：三种”测量子态”的方式
表 1：标准量子层析、阴影层析与超表面 POVM 阴影层析的对比（数据来自论文正文与补充材料）。
| 方式 | 回答的问题 | 测量次数 | 装置要求 | 对噪声的响应 |
|---|---|---|---|---|
| 标准量子层析（SQT） | 完整重建密度矩阵 | 随比特数指数增长 | 多组投影/设置切换 | 误差直接进入重建结果 |
| 阴影层析（经典阴影） | 预测量子态的多个性质 | 由 shadow norm 决定，远少于 SQT | 随机酉+投影（需切换），或 POVM（固定） | 可估计非线性量，方差有界 |
| 超表面 POVM + SLST | 实时估计性质 + 高保真重建 | 单光子 315 次达保真度 0.992；两光子 2000 次达约 0.99 | 单片固定器件，无需切换 | SLST 抑制器件误差，鲁棒版抗 1.5–8.6 dB 损耗 |
意义与展望
这篇论文把”测量”这一环也搬上了超表面：量子光源可以用超表面生成，量子态操控可以用超表面完成，现在量子态的表征同样由一片 210 微米的芯片承担——整个量子信息处理链路第一次有机会用单片超薄器件跑通。论文讨论还指出两个直接的扩展方向：一是八面体 POVM 并不依赖偏振自由度，用集成光学里的方向耦合器和移相器也能在路径自由度上实现同样的结构；二是对偏振编码的多光子纠缠态，理论上两台测量装置就足以完成完整表征，超表面 POVM 正好适合做其中一台。从原理验证走向实用，仍有待推进的方向包括：把器件规模扩展到更多光子、把测量与单光子探测在片上集成，以及在真实损耗和制造误差下长期稳定运行——论文已经公开了数据和代码（Zenodo），为这些后续工作提供了可复现的起点。
参考资料
- Kui An, Zilei Liu, Ting Zhang, Siqi Li, You Zhou, Xiao Yuan, Leiran Wang, Wenfu Zhang, Guoxi Wang, He Lu. Efficient characterizations of multiphoton states with an ultra-thin optical device. Nature Communications 15, 3944 (2024). https://www.nature.com/articles/s41467-024-48213-4
- 同上（PMC 开放全文，PMC11087518）。https://pmc.ncbi.nlm.nih.gov/articles/PMC11087518/
- Hsin-Yuan Huang, Richard Kueng, John Preskill. Predicting many properties of a quantum system from very few measurements. Nature Physics 16, 1050–1057 (2020)；arXiv:2002.08953。https://arxiv.org/abs/2002.08953
- Kai Wang 等. Quantum metasurface for multiphoton interference and state reconstruction. Science 361, 1104–1108 (2018)；arXiv:1804.03494。https://arxiv.org/abs/1804.03494
- Lin Li 等. Metalens-array-based high-dimensional and multiphoton quantum source. Science 368, 1487–1490 (2020)。https://www.science.org/doi/10.1126/science.aba9779
- Alexander S. Solntsev, Girish S. Agarwal, Yuri S. Kivshar. Metasurfaces for quantum photonics. Nature Photonics 15, 327–336 (2021)。https://www.nature.com/articles/s41566-021-00793-z
- Scott Aaronson. Shadow tomography of quantum states. STOC 2018；arXiv:1711.01053。https://arxiv.org/abs/1711.01053