本页目录

前沿 II · 光计算与量子光学

核对于 2026-07 ｜ 证据地位：物理原理【实】；光计算的实用前景【争】；量子优势的解释【争】。🔗 与物理站量子信息线、cs 站、AI 站互链。 两个极具诱惑的方向。第四页说过"一枚透镜以光速零功耗完成傅里叶变换"——那么为什么不用光来计算？而量子光学则把光的量子性质变成资源。本页讲清它们的原理、真实进展，以及为什么它们至今没有取代电子计算。

学习层：理想量子标度，经过损耗才是工程问题

1. 具体谜题：纠缠把 \(1/\sqrt N\) 变成 \(1/N\)，那还需要在乎损耗吗？

取 \(N=10{,}000\) 个光子、探测效率 \(\eta=0.8\)。经典相干探测的标准量子极限约为

\[ \Delta\varphi_{SQL}=\frac1{\sqrt N}\approx0.01\,\mathrm{rad}, \]

理想无损纠缠标度是 \(1/N=0.0001\,\mathrm{rad}\)。但若用一个用于教学的损耗底代理

\[ \Delta\varphi_{loss}=\sqrt{\frac{1-\eta}{\eta N}}, \]

它约为 \(0.005\,\mathrm{rad}\)，已经远高于理想海森堡值。你先判断：在这个参数下，纠缠的理想优势是否仍然等于可交付的系统优势？

2. 先预测：把资源、损耗和可验证性分开

  1. 泊松光子数 \(N\) 的标准差是多少？因此 SNR 随 \(N\) 按什么幂次增长？
  2. 增大 \(N\) 时，SQL 与理想 \(1/N\) 哪一个下降更快？
  3. 当 \(\eta\) 从 \(0.8\) 降到 \(0.5\) 时，损耗底对“纠缠优势”的影响是线性、平方根还是完全没有影响？

3. 最小模型：光子统计先给极限，损耗再改写资源

相干态近似泊松统计，满足 \(\operatorname{Var}(N)=N\)。若 \(N\) 是入射资源、探测效率为 \(\eta\)，期望探测数为 \(N_{det}=\eta N\)，所以理想入射计数的标度与探测后的计数 SNR 应分别写成

\[ \mathrm{SNR}_{det}=\frac{N_{det}}{\sqrt{N_{det}}}=\sqrt{\eta N},\qquad \Delta\varphi_{SQL}\sim N^{-1/2}. \]

这里的 SQL 仍是以入射资源 \(N\) 写出的理想基线；把探测损耗的影响单独放入显式代理，才能看出两者不是同一项。理想纠缠协议可以给出 \(N^{-1}\) 的海森堡标度，但那是资源和测量模型的理想上界，不是所有实验的自动结果。实验把

\[ \Delta\varphi_{teach}=\max\left(\frac1N,\sqrt{\frac{1-\eta}{\eta N}}\right) \]

作为明确标注的教学代理：它用来显示损耗把理想曲线抬高，并不替代具体量子 Fisher 信息、纠错或探测器模型。QKD 还要另外付出距离损耗与不可克隆中继的代价。

4. 实验：先预测标度，再改变光子数与探测效率

选择相干、理想纠缠或损耗后的可用资源，先回答三道预测题。核对后可调 \(N\) 与 \(\eta\)；SVG 画 SQL、理想纠缠线和损耗底，旁边的统计账本显示“增加光子”和“提高探测效率”分别改变什么。

无 JavaScript 时的静态读法：默认 \(N=10{,}000\)、\(\eta=0.8\)。

资源/边界 公式或假设 默认相位不确定度
相干态 SQL \(1/\sqrt N\) \(0.0100\,\mathrm{rad}\)
理想无损纠缠 \(1/N\) \(0.0001\,\mathrm{rad}\)
损耗底代理 \(\sqrt{(1-\eta)/(\eta N)}\) \(0.0050\,\mathrm{rad}\)
光子计数 SNR（探测后） \(\sqrt{\eta N}\) \(89.4\)

静态表的关键不是宣称“纠缠无用”，而是指出：默认 \(N_{det}=0.8\times10{,}000=8{,}000\)，所以探测后的计数 SNR 是 \(\sqrt{8{,}000}\approx89.4\)；只要损耗、探测效率和验证开销没有进入预算，理想标度就不能直接当作产品指标。

5. 失败边界：量子资源不跳过系统工程

  • 压缩态可以把某一正交分量的噪声压低，但反向分量、损耗和锁定稳定性仍要计入；引力波探测的成功来自完整系统而非一句“量子增强”。
  • QKD 只分发密钥，实际载荷仍需对称加密；光子损耗使速率随距离下降，经典放大器不能复制未知量子态。
  • 光子几乎不相互作用，线性光学量子计算要靠测量诱导非线性、辅助光子和高效率探测器；采样优势也不等于通用容错计算。

6. 迁移任务：把“优势”改写成可审计规格

为一个量子测量或 QKD 原型列出 \(N\)、源效率、耦合效率、探测效率、暗计数、重复率和验证基准。然后回答：哪一项提高会真正增加有效光子数，哪一项只是把理想曲线画得更漂亮？

量子光学资源与测量标度

图 19-1 左：经典标准量子极限（SQL）给出 \(\Delta\varphi\sim N^{-1/2}\)，理想纠缠可达到海森堡标度 \(N^{-1}\)，但损耗会抬出实际的噪声底；右：单光子、压缩态与纠缠态经过干涉仪进入探测器，分别服务于量子通信、精密测量与采样。量子资源带来的理想增益，最终必须经过损耗、探测效率与系统实现的检验。

一、光计算：诱惑与障碍

诱惑非常真实（承第四页）：

这对以矩阵乘法为主的神经网络推理极具吸引力（🔗 AI 站、微电子站第十六页的存内计算是同一动机）。

但障碍同样真实——它们与微电子站第十六页讨论存内计算时的障碍高度相似：

① 电光/光电转换的开销。 数据要变成光、算完要变回电。转换的功耗与延迟常常吃掉光学部分节省的一切——这是所有光计算方案的第一道坎。

② 精度有限。 模拟光学计算受噪声、串扰、器件误差限制，有效精度通常只有 4–8 位。而神经网络训练需要更高精度（推理可低精度，这是唯一的机会窗口）。

③ 非线性极难。 神经网络需要非线性激活函数，而光学非线性弱且需要高功率（第十四页）。现有方案多数在电域做非线性 → 又回到转换开销。

④ 存储与可编程性。 光没有天然的存储；权重更新（尤其训练）代价高。

⑤ 与移动的靶子竞争。 数字加速器（🔗 微电子站第十七页）在持续进步，光计算必须打败的是一个每年都在变强的对手。

当前较可信的定位：

判读此类工作的问题：算不算电光转换的能耗？是端到端还是仅光学部分？精度损失多少？与同期数字加速器的公平对比如何？ ——与微电子站第十六页那份清单完全一致。

二、量子光学的基本资源

光的量子性质提供了经典物理没有的资源：

① 单光子与光子统计：

② 纠缠：参量下转换产生的纠缠光子对，是量子通信与计算的基础资源。

③ 量子测量的极限：

三、量子通信

量子密钥分发（QKD）：利用量子态不可克隆，窃听必然引入可检测的扰动。

四、光量子计算

优势：光子退相干弱、可室温工作、可用成熟光子集成工艺（第十五页）。

困难：光子之间几乎不相互作用 → 难以实现两比特门。

主要路线：

关于"量子优势"实验的诚实说明：多个团队报告了光量子采样实验声称超越经典模拟能力。这些是重要的实验成就，但需要注意：

本课立场：物理与工程成就是真实的；"量子计算即将改变一切"的叙事则远超证据。 标【争】。

五、一个贯穿的判读模式

本页两个主题与本讲义库其他站的前沿页共享同一个模式：

方向 原理成立？ 卡在哪里
光计算 是 转换开销、精度、非线性、对手在进步
超表面替代透镜（第十八页） 是 效率、带宽、与廉价非球面竞争
存内计算（🔗 微电子） 是 ADC 开销、精度、端到端收益
TFET/NC-FET（🔗 微电子） 部分 电流不足、稳定性
\(H_\infty\) 控制（🔗 自动化） 是 阶数高、难维护、保守
QKD 是 速率、距离、侧信道、PQC 竞争

共同教训：一项新技术要取代成熟方案，必须同时打败它的性能、成本、生态与可制造性——而最后两项通常才是决定性的。 这是本讲义库工科各站反复出现、也最值得带走的判断框架。

六、要点

下一页：本线最后一站——这个行业的产业形态与本硕博的实际去向。