量子纠缠为GPS，Wi-Fi等提供了前所未有的精度

亚利桑那大学研究人员正在使用量子纠缠来检测比以往更灵敏度和准确性更灵敏度和准确性的无线电频率。

您的手机的GPS，您的房屋内的Wi-Fi和飞机通信都是由射频或RF，波浪的动力，该波浪从一个点到另一个点到传感器的传感器携带信息。传感器以不同的方式解释此信息。例如，GPS传感器使用接收到RF波的角度来确定其自身的相对位置。更准确地测量角度，可以确定地确定位置。

在一篇新的论文中发布的物理审查信[1]，亚利桑那大学工程和光学科学研究人员，与一般动力学任务系统的工程师合作，展示了两种技术的组合 - 射频光子感测和量子计量 - 可以给予传感器网络以前闻名的精确度。该工作涉及将信息从电子传送到光子，然后使用量子纠缠以增加光子的感测能力。

“这种量子传感范式可以创造改善GPS系统，天文学实验室和生物医学成像能力的机会，”材料科学与工程和光学科学助理教授Zheshen Zhang表示，以及大学的量子信息和材料集团的主要调查员。“它可用于改善需要传感器网络的任何应用程序的性能。”

从电子到光子

传统的天线传感器将来自RF信号的信息转换为由移动电子构成的电流。然而，使用光子或光线以携带信息的光学传感更有效。光子不仅可以比电子保持更多的数据，给出了信号较大的带宽，但基于光子的感测可以传输比基于电子的感测得更远的信号，并且干扰较少。

因为光信号提供了如此多的优点，所以研究人员使用电光换能器将RF波转换为在称为RF-Photonics感测的方法中的光学域中。

“我们在一个完全不同的域中设计了一个光学系统和物理量之间的桥梁，”张说道。“我们展示了在这个实验中的RF域，但也可以应用于其他场景。例如，如果要使用光子测量温度，则可以使用热敏换能器将温度转换为光学特性。“

纠缠的传感器

将信息转换为光学域之后，研究人员应用了一种称为量子计量的技术。通常，传感器的精确度受到称为标准量子限制的限制。例如，智能手机GPS系统通常在16英尺半径内准确。量子计量使用缠绕的颗粒破坏标准量子限制并采取超细测量。

它是如何工作的？缠绕的颗粒被捆绑在一起，所以发生在一个粒子上的任何事情都会影响其缠绕的颗粒，只要采取适当的测量即可。

图片一个主管和一个员工在项目上工作。由于员工通过电子邮件和会议等方法将员工与其主管分享信息，因此他们的伙伴关系的效率有限。但如果两者可以一起纠缠他们的大脑，员工和主管将自动拥有相同的信息节省时间，并允许他们更有效地联合解决常见问题。

量子计量已被用于改善激光干涉仪重力波观测台或利诺等地的传感器精度，这已经为天文学家打开了一个新窗口。然而，几乎所有先前的量子计量示范，包括Ligo，只涉及单个传感器。

连接传感器网络

RF波通常由传感器网络接收，每个传感器都会进程inpid地处理信息 - 更像是一组与其主管一起使用的独立员工。电气计算​​机工程助理教授Quntao Zhuang，以前演示了[2]一种通过组合纠缠传感器来提高性能的理论框架。

这一新实验首次展示了三个传感器网络可以彼此缠结，这意味着它们都接收来自探针的信息并同时将其与其相互关联。它更像是一群员工可以立即与老板分享信息，并且老板可以立即互相分享那种信息，使他们的工作流程超高效。

“通常，在复杂的系统中 - 例如，无线通信网络甚至我们的手机 - 不仅仅是一个传感器，而且一组传感器一起工作以进行任务，”张说。“我们开发了一种纠缠这些传感器的技术，而不是让它们杂皮操作。在传感期间，它们可以使用它们的纠缠在彼此之间“谈话”，这可以显着提高传感性能。“

虽然实验仅使用了三个传感器，但它可以将该技术应用于数百个传感器的网络的可能性。

“想象一下，例如，生物传感网络：张说，您可以缠绕这些生物传感器，以识别生物分子的种类，或者更精确地检测神经活动，而不是经典传感器阵列。““实际上，这种技术可以应用于需要传感器数组或网络的任何应用程序。”

一个潜在的应用是在亚利桑那大学建立在亚利桑那州校园的纠缠光子网络中。在理论上在物理审查中发表的工作X [3] 2019年，庄致展示了机器学习技术如何在这种大型纠缠传感器网络中培训传感器，如此，以采取超精确的测量。

“纠缠允许传感器更精确地提取来自所感测的参数的特征，允许在机器学习任务中进行更好的性能，例如传感器数据分类和主成分分析，”庄表示。“我们以前的工作提供了一个纠缠增强的机器学习系统的理论设计，优于古典系统。”

除了张和庄，文件的作者是易夏，是光学科学的博士生;魏丽，材料科学与工程系的博士后研究员;和威廉克拉克和一般动态任务系统的达琳哈特。

参考：

“通过易夏，魏丽，威廉克拉克，达莱琳哈特，quntao庄和珠省张某，4月20日，物理审查信件。
10.1103 / physrevlett.124.150502“使用连续变量多分钟纠缠的分布量子传感”Quntao Zhuang，Zhang和Jeffrey H. Shapiro，2018年3月21日，物理评论A.Doi：
10.1103 / physreva.97.032329“物理层监督学习由Zheshen Buang和Zheshen Zhang，2019年10月31日，物理审查X.Doi：
10.1103 / physrevx.9.041023