研究人员借助自学习自演进的智能量子技术来确保通信安全
研究配图 - 1：用来演示湍流修正的装置示意图
此外这项研究还积聚了 LSU 博士研究生 Narayan Bhusal、博士后研究员 Chenglong You、研究生 Mingyuan Hong、本科生 Joshua Fabre、助理教授 Omar S.Magaña-Loaiza 等人的共同努力。
Narayan Bhusal 表示：随机相位失真是多种量子技术（如量子通信、量子密码、量子感测等）所使用的光空间模必须面对的一项重大挑战。
研究配图 - 2：不同湍流下高光子与单光子能级 LG 模的空间分布
不过在这项新研究中，他们借助了人工智能技术来校正光子级的失真和空间光模式。与传统技术相比，新方案更加高效且省时。
基于此，新技术提升了对依赖结构化光子的光通信协议的信道容量，为未来的自由空间量子技术的发展奠定了振奋人心的基础。
研究配图 - 3：均方误差（MSE）与 GDO 迭代数的对应关系
Magaña-Loaiza 补充道：LSU 量子光子学研究团队的一个重要目标，就是开发出能够在现实条件下运作的强大量子技术。
这项智能量子技术，证明了在受大气湍流影响的现实通信协议中，可在单个光子中编码多比特信息的可能性，对未来的光通信和量子密码学发展都有着巨大的影响。
研究配图 - 4：在 OAM 基础上发送 / 检测模式的条件概率 / 互相关矩阵
目前他们正探索在该州的光网络计划（NONI）中部署新型机器学习解决方案的方法，以使之变得更加智能、安全和量子化。
此外美国陆军研究办公室正在支持一项名为“借助多部轨道角动量的量子感测、成像和计量”项目的研究。
研究配图 - 5：基于 OAM 编码的量子比特的实虚密度矩阵
有关这项研究的详情，已发表在 2021 年 3 月出版《先进量子技术》（Advanced Quantum Technologies）期刊上。
原标题为《Spatial Mode Correction of Single Photons Using Machine Learning》。
