一束普通激光，切出40光子量子态

路易斯安那州立大学团队绕开脆弱量子光源。用普通激光加光子数分辨探测器，后选择出最多40个光子的多光子态。论文发在《Advanced Science》，通讯作者Omar S. Magaña-Loaiza，合作方有墨西哥国立自治大学等。

硬件是一张光学网络。光进入后反复混合、分束、干涉，最后到光子数分辨探测器。团队调用偏振、空间结构、光子数三个自由度，撑出861个可测分量。

它既是量子模拟器，也是学习机

原理叫储备池计算。传统神经网络要训练每层权重。储备池把中间网络随机固定，只训练最后读出层。信息被投到高维空间，原本纠缠的输入更容易线性分开。

量子储备池本来诱人：希尔伯特空间随粒子数指数增长。但退相干、损耗、微扰都能摧毁量子关联，还要极低温、强隔离。理论漂亮，落地脆弱。

LSU把激光涨落当资源。相干态被后选择到确定光子数n，就在该模式变成n光子福克态。多光子进入线性光学网络，发生真正多光子干涉。玻色子交换对称性决定结果。这也是玻色采样和“隐藏量子行为”的来源。

三个演示，一个平台

第一，量子随机行走。量子扩散是弹道式，标准差随时间线性增长；经典按平方根增长。他们在噪声网络上靠光子数测量捞回特征。

第二，合成晶格热化与反热化。用人造晶格复现多体涨落增长和被压制，对应无序无关局域化、多体局域化。

第三，学习六个数学函数。网络冻结随机配置，输入编码在偏振，只训练读出层。六个差异极大的函数，同一个硬件全学会。最非线性任务上，完整光子数分布预测明显更好。高阶多光子关联本身就是计算资源。

▲ LSU团队的多光子量子储备池艺术示意图。不同性质的光从左上方进入，并穿过一个互连的光学网络。该网络将入射光转化为丰富的多光子图案图景。这些图案成为信息处理的资源，使系统能够学习和预测数学函数，如底部曲线所示。图片来源：LSU Quantum Photonics。

中国也在同一战场

时间线：储备池计算2001年前后起步，光子储备池2011年，量子储备池2017年由日本团队提出，今天走到室温、抗噪、40光子。

加拿大Xanadu 2022年用216个压缩态模式做可编程高斯玻色采样。欧洲QuiX Quantum推集成光路多光子干涉。中国科大潘建伟团队“九章”系列，2020年76光子，2021年113，2023年255，核心也是低损耗光学网络和高效率光子数分辨探测器。

九章用的SNSPD，主力来自中科院上海微系统所尤立星团队，已由赋同量子商用。中国在探测效率、暗计数、通道数上长期第一梯队。薄膜铌酸锂、硅基光电子国内布局完整，低损耗高稳定网络能自己造。

储备池计算方向，中科院半导体所、上海交大等做多年，主要用在高速光通信非线性均衡、雷达信号处理。LSU把量子维度加进来，值得国内盯紧。

不是通用量子计算机

论文没宣称量子优越性。储备池训练的是读出层，不是整条量子线路。算不了Shor，也跑不了通用量子程序。

它的价值是拆掉“必须极低温、必须完美隔离”的前提。室温、抗噪、抗损耗、不挑光源，这才是工程化分水岭。

瓶颈在探测器。作者承认，扩展到更多光子、更大维度，取决于光子数分辨探测器能否更快、通道更多、分辨更准。TES、SNSPD阵列、MKID，谁把阵列规模和读出速度做上去，谁握住阀门。

这条路线不是替代九章，而是把量子优势往工程化推。中国已卡住探测器和集成光路关键位。下一步拼阵列规模、读出速度、系统成本。

— 感谢阅读 · 欢迎点赞关注 · 科学剃刀 —