量子科技中心_量科网

该研究团队提出了一种系统性方法，用于构建多种设备无关量子随机数生成（DI-QRNG）协议中量子集的多面体近似。该方法基于两种通用算法，通过典型设备行为和密码学直觉的引导，对初始外多面体近似进行迭代优化，在计算可行性与近似效果间取得平衡。将这些近似整合至概率估计（PE）框架[张等人，物理评论A 2018]后，研究人员在有限尺寸体系中获得了显著提升的认证熵边界。该工作通过模拟和实验数据，在多种双边与三边DI-QRNG协议上验证了该方法，所有案例均显示其能以更少的设备使用次数，获得明显高于现有技术的熵率。该团队还将分析延伸至更具挑战性的随机性放大任务，证明在不增加复杂度的情况下实现了重大性能提升。这些成果为最常见实用DI-QRNG协议提供了一种即用型高效安全证明方法，可获得更优的认证熵率。相关算法及基于PE工具的熵认证方案已通过非商业许可开源发布。