基于机器学习的量子波前校正技术用于星地连续变量量子密钥分发

最先进的自由空间连续变量量子密钥分发(CV-QKD)协议采用相位参考脉冲来调制接收端真实本地振荡器的波前,从而补偿大气湍流引起的波前畸变。通常假设这些参考脉冲的波前畸变与传输过程中复用的量子信号波前畸变相同。然而,在实际部署中,参考脉冲与量子信号之间可能存在相对波前误差(WFE),这类误差不仅会引发多种有害效应,更会严重限制星地CV-QKD的安全密钥传输。 该工作首次提出基于机器学习的新型波前校正算法:通过多平面光转换将参考脉冲和量子信号分解至厄米-高斯(HG)模态基,随后估算HG模态相位测量值的差异,从而有效解决这一问题。基于对星地信道的详细模拟,研究团队证实新算法能快速识别并补偿可能存在的相对波前误差,同时在参考脉冲与量子信号波前误差相近时保持无损操作。研究人员通过CV-QKD安全密钥率量化了该算法的增益效果,证明采用该算法的信道可获得正向安全密钥率,而未实施波前校正的信道将导致密钥率为零。

量科快讯