近日，中国科大郭光灿院士团队在量子网络非局域性研究中取得重要进展。该团队李传锋、黄运锋、张超等与西班牙光子科学研究所Tamás Krivách，法国巴黎理工学院Marc-Olivier Renou等合作，实现了三角形网络中的真（genuine）网络非局域性的实验验证。该成果5月6日发表在国际知名期刊《物理评论快报》上。

量子非局域性是量子力学区别于经典理论的核心特征之一。自贝尔理论提出以来，标准两体贝尔不等式的检验已多次证实量子力学的预言，2022年诺贝尔物理学奖便授予相关领域的先驱。从两体到多体量子非局域性并非简单的扩展，多体非局域性具有更复杂的结构以及独特的性质。近年来，科学家们发现当多个独立纠缠源在量子网络中分发并引入纠缠测量时，会产生全新的非经典关联，其中三角形网络是最简单也最具代表性的结构。例如利用纠缠测量在三角形网络中可以在无输入的情况下产生非局域关联，且该非局域关联不能退化为标准贝尔非局域性。

然而，判断由独立源构成的三角形网络所产生的非局域性极其困难。传统方法大多仅适用于理想无噪声情况，数值方法的复杂度也限制了其实际应用。在该工作中，研究团队采用一类优雅联合测量（EJM）方案，构建了由三个独立两体纠缠源组成的三角形光量子网络。实验中，每个纠缠源通过自发参量下转换产生纠缠光子对，保真度超过97.6%；每个节点执行优雅联合测量，保真度超过93.5%。经过近300小时的数据采集，团队获得3343个六光子符合事件，成功获得理论预言的优雅分布。

为验证其非局域性，研究团队利用基于神经网络的机器学习方法（LHV-Net），计算实验分布与局域集合之间的最小距离，并通过引入噪声观测到由局域关联到非局域关联的转变行为。计算得到的噪声为0时的距离超过转变点8个标准差，有力的证实实验分布无法通过局域隐变量模型解释。同时，实验分布还以超过5个标准差违背了基于机器学习方法构造的贝尔不等式。与以往三角形网络实验不同，该工作产生的优雅分布被认为具有真三角形网络非局域性，不能归结为标准两体贝尔非局域性在网络中的嵌入。这一成果不仅展示了当前技术实现复杂量子网络非局域性的可行性，也为基于网络非局域性的自测试、随机数产生和分布式计算等应用奠定了实验基础。

文章第一作者为量子网络安徽省重点实验室博士研究生王宁宁。该工作得到了合肥国家实验室、国家自然科学基金委、中国科学院和安徽省的资助。