Квантовая запутанность предлагает беспрецедентную точность для GPS и многое другое

GPS вашего телефона, Wi-Fi в вашем доме и связь на борту самолета работают благодаря радиочастотным волнам, которые передают информацию от передатчика в одной точке к датчику в другой. Датчики интерпретируют эту информацию по-разному. Например, датчик GPS использует угол, под которым он принимает радиочастотную волну, чтобы определить свое собственное относительное местоположение. Чем точнее он может измерить угол, тем точнее он может определить местоположение.

В новой статье, опубликованной в Physical Review Letters 17-го апреля, исследователи инженерных и оптических наук Университета Аризоны в сотрудничестве с инженерами из компании General Dynamics Mission Systems демонстрируют, как сочетание двух методов – радиочастотного фотонного зондирования и квантовой метрологии – может дать сенсорным сетям ранее неслыханный уровень точности. Работа включает в себя передачу информации от электронов к фотонам, а затем использование квантовой запутанности для увеличения способности фотонов к восприятию.

«Эта парадигма квантового зондирования может создать возможности для улучшения систем GPS, астрономических лабораторий и возможностей получения биомедицинских изображений», – сказал Жешен Чжан, доцент кафедры материаловедения, инженерных и оптических наук и главный исследователь университетской группы по квантовой информации и материалам. «Его можно использовать для повышения производительности любого приложения, для которого требуется сеть датчиков».

От электронов к фотонам

Традиционные антенные датчики преобразуют информацию из радиочастотных сигналов в электрический ток, состоящий из движущихся электронов. Однако оптическое зондирование, в котором для передачи информации используются фотоны или единицы света, гораздо эффективнее. Фотоны могут не только хранить больше данных, чем электроны, обеспечивая большую ширину полосы сигнала, но и основанные на фотонике измерения могут передавать этот сигнал намного дальше, чем основанные на электронике, и с меньшими помехами.

Поскольку оптические сигналы имеют очень много преимуществ, исследователи использовали электрооптический преобразователь для преобразования радиочастотных волн в оптическую область с помощью метода, называемого радиочастотным фотоническим зондированием.

«Мы спроектировали мост между оптической системой и физической величиной в совершенно другой области», – пояснил Чжан. «Мы продемонстрировали это с помощью радиочастотного домена в этом эксперименте, но эту идею можно применить и к другим сценариям. Например, если вы хотите измерять температуру с помощью фотонов, вы можете использовать термооптический преобразователь для преобразования температуры в оптическую свойство».

Квантовая запутанность предлагает беспрецедентную точность для GPS, изображений и за ее пределами

Иллюстрированное изображение эксперимента исследователей. Предоставлено: Университетом штата Аризона.

Запутанные Датчики

После преобразования информации в оптическую область исследователи применили метод, называемый квантовой метрологией. Обычно точность датчика ограничена тем, что называется стандартным квантовым пределом. Например, системы GPS смартфонов обычно имеют точность в радиусе 5 метров. Квантовая метрология использует запутанные частицы, чтобы преодолеть стандартный квантовый предел и провести сверхчувствительные измерения.

Как это работает? Запутанные частицы связаны друг с другом, поэтому все, что происходит с одной частицей, влияет и на частицы, с которыми она связана, при условии проведения соответствующих измерений.

Изобразите руководителя и сотрудника, работающего вместе над проектом. Поскольку сотруднику требуется время, чтобы поделиться информацией со своим руководителем с помощью таких методов, как электронная почта и встречи, эффективность их партнерства ограничена. Но если бы эти двое могли запутать свои мозги вместе, сотрудник и руководитель автоматически получали бы одну и ту же информацию, что экономило время и позволяло им совместно решать общую проблему более эффективно.

Квантовая метрология была использована для повышения точности датчиков в таких местах, как лазерная интерферометр, гравитационно-волновая обсерватория или LIGO, открывшая новое окно для астрономов. Однако почти во всех предыдущих квантовых метрологических демонстрациях, включая LIGO, использовался только один датчик.

Подключение сенсорных сетей

Радиоволны обычно принимаются сетью датчиков, каждый из которых обрабатывает информацию индивидуально – больше похоже на группу независимых сотрудников, работающих со своими руководителями. Кунтао Чжан, доцент кафедры электротехники и вычислительной техники, ранее продемонстрировал теоретическую основу для повышения производительности путем объединения запутанных датчиков.

Этот новый эксперимент впервые продемонстрировал, что сеть из трех датчиков может быть запутана друг с другом, что означает, что все они получают информацию от датчиков и одновременно сопоставляют ее друг с другом. Это больше похоже на то, что группа сотрудников могла бы мгновенно делиться информацией со своими начальниками, а начальники могли мгновенно делиться этой информацией друг с другом, что делало их рабочий процесс сверхэффективным.

«Как правило, в сложной системе, например в беспроводной сети связи или даже в наших мобильных телефонах, есть не просто один датчик, а набор датчиков, которые работают вместе для выполнения задачи», – сказал Чжан. «Мы разработали технологию, которая запутывает эти датчики, а не заставляет их работать по отдельности. Они могут использовать свою запутанность, чтобы “разговаривать” друг с другом в течение периода зондирования, что может значительно улучшить характеристики зондирования».

Хотя в эксперименте использовались только три датчика, это открывает дверь к возможности применения этой техники в сетях из сотен датчиков.

«Представьте, например, сеть для биологического зондирования: вы можете запутать эти биосенсоры так, чтобы они работали вместе, чтобы идентифицировать виды биологической молекулы или обнаруживать нейронную активность более точно, чем классический сенсорный массив», – сказал Чжан. «Действительно, этот метод может быть применен к любому приложению, для которого требуется массив или сеть датчиков».

Одно из возможных применений – запутанная фотонная сеть , строящаяся в кампусе Университета Аризоны. В теоретической работе, опубликованной в Physical Review X в 2019 году, Чжуан представил, как методы машинного обучения могут обучать датчики в крупномасштабной запутанной сенсорной сети, такой как эта, для проведения сверхточных измерений.

«Запутывание позволяет датчикам более точно извлекать характеристики из измеряемых параметров, обеспечивая лучшую производительность в задачах машинного обучения, таких как классификация данных датчиков и анализ основных компонентов», – сказал Чжан. «Наша предыдущая работа обеспечивает теоретический дизайн системы машинного обучения с улучшенной запутанностью, которая превосходит классические системы».

DOI: 10.1103/physrevlett.124.150502