韩国团队提出量子“磁图”理论,统一描述从弱耦合到深强耦合的原子-光相互作用
2026年9月27日——一个新的图论框架被提出,它为从弱耦合到深强耦合等不同区域的原子-光相互作用提供了统一描述。
由首尔大学工学院电气与计算机工程系的 Sunkyu Yu 教授和 Namkyoo Park 教授,以及首尔市立大学的 Xianji Piao 教授组成的研究团队发现,即使是单原子与光之间的相互作用——量子物理中最简单的场景之一——也包含一个庞大且错综关联的网络。该研究于9月25日发表在期刊 Science Advances 上。
通过开发一种数学框架,将这种隐藏结构像地铁线路图一样表示出来,研究人员建立了一种统一方式来理解原子-光相互作用,覆盖此前需要不同理论近似才能处理的各个耦合区域。这些发现有望为量子计算和光子神经网络开辟新的可能性。
由 Won-Hwa Hong 担任主席的韩国国家研究基金会(NRF)宣布,由首尔大学的 Namkyoo Park 教授和 Sunkyu Yu 教授以及首尔市立大学的 Xianji Piao 教授领导的研究团队开发了一种“磁图”理论,可用单一度量来量化原子-光相互作用。
*磁图:一种图,其中每条连接不仅包含连接强度的信息,还包含相关波的相位。
原子与光之间的相互作用——理论上由量子拉比模型描述,这是原子-光相互作用的最基本模型——是量子计算和光学技术的基石。当原子吸收一个光子时,其能量状态会改变;当它释放能量时,可能会发射一个光子。这种反复相互作用支撑着量子信息处理、量子传感、激光、非线性光学以及众多其他光-物质技术。
当相互作用足够弱时,可以用成熟近似方法准确描述其行为。然而,当原子与光之间的耦合变得极强——进入超强耦合或深强耦合区域——这些传统近似开始失效。
*超强耦合与深强耦合:原子-光相互作用强度变得可与光的本征频率相当或更大的区域。在这些条件下,应用于量子拉比模型的标准近似不再可靠。
因此,研究人员传统上使用不同的近似方法来描述不同的耦合区域。整个区域范围的行为无法用任何单一的传统理论充分描述。因此,需要一种新的数学语言——能够一目了然地表示复杂量子态,并在统一框架内描述从弱耦合到深强耦合的整个演化过程。
受图论启发——图论将地铁线路图、大脑结构和社交网络纳入单一框架进行解释——研究团队设计了一种将量子世界转化为图的方法。正如地铁线路图将车站表示为点、将线路表示为连接线,该框架将量子态表示为节点,将它们之间可能的跃迁表示为连接。
更具体地说,光子数与原子状态的组合被表示为图上的“车站”。一个量子态跃迁到另一个量子态的可能性由连接线的粗细编码,而光波的相位则由其颜色表示。
*相位:表示波在一个完整振荡周期中所处位置的值。即使频率和振幅相同的波,也会因相对相位不同而产生不同的干涉。
通过这种表示方法,研究人员发现,即使是最简单的原子-光量子系统,也隐藏着一个半无限图,其中两类节点通过数量不限的长程连接相连。尽管物理系统可能仅由一个与光相互作用的单原子组成,但其可访问的量子态构成一个庞大网络,其连通性无界增长。
*半无限图:一种在一个方向上具有边界,但从起点出发在另一个方向上无限延伸的图。
研究团队随后引入了一种从磁拉普拉斯算子获得的度量,该度量将这一网络的复杂性压缩为单一数值。该度量同时考虑了图连接的强度以及其连接所携带的相位分布。
*磁拉普拉斯:一种数学工具,用于分析图中的连通性,同时纳入其连接的强度和相位。
利用这一指标,研究人员成功地在单一连续尺度上区分了原子-光相互作用的所有区域——从弱耦合到深强耦合。这种统一分类取代了此前不同耦合强度需要不同理论工具的碎片化图景。
研究团队进一步探究了为什么在强原子-光耦合下量子态结构会发生如此显著的变化。针对若干子图尺寸,研究人员生成并分析了 20,000 个随机构型。统计结果表明,相位阻挫是驱动强耦合区域量子态剧烈重组的关键机制。
*相位阻挫:一种现象,其中沿不同路径传播的波获得不相容的相位,从而相互抵消。它可以比作信号通过几条不同路线到达同一目的地,但到达时步调不一致,从而相互干扰并阻碍进一步运动。
研究结果表明,仅靠图连通性不足以理解强相互作用量子系统。分布在整个网络中的相位信息——以及当相位无法彼此相容时产生的阻挫——可以从根本上改变系统的量子态。
这种基于图的视角之所以重要,是因为它揭示了量子物理最基本模型之一中此前隐藏的结构复杂性。它还为分析传统上被分开处理的各个耦合区域提供了一个共同的数学框架。该理论最终可能有助于量子计算机、量子模拟器和光子神经网络的设计与控制。特别是,即使单个原子与光相互作用所产生的庞大状态空间连通性,也可能为实现人工神经网络提供一种紧凑的物理基础。
Namkyoo Park 教授表示:“我们已经证明,即使在最简单的量子现象中,也隐藏着巨大的连通结构。”他补充说:“我们计划继续研究如何通过控制单原子与光之间的相互作用来实现人工神经网络。”


