量子科技中心_量科网

光学量子态的表征对量子技术的发展至关重要。虽然传统方法实现全量子态层析通常实验要求苛刻，但神经形态架构可能提供一种有效的替代方案。该工作展示了一个量子非线性驱动耗散模式如何足以充当量子储备池。通过分析发射光谱中不同频率的占据数，线性回归在多数情况下足以识别入射压缩态的相关参数。除了揭示该方法在连续驱动下的总体潜力外，研究人员还通过一个显式的非平凡案例（其中光源是耦合到非线性极化子微腔的简并光学参量振荡器）证明了该方法的有效性。