科学家通过无人机,实现量子纠缠分发!

数量1倍数特性.pdf 立即下载

By 超神经

内容导读:在量子通信的科学研究中,我国的科学家们在近期又带来了一项突破。他们通过实验,首次实现了无人机的量子纠缠分发,弥补了以往该研究领域的不足,为量子通信网络的可用性和全面化,起到了重要的推动作用。

关键词:无人机  量子通信   纠缠分发

近期,我国在量子通信领域的发展,又迎来了一个重大的突破。

在量子信息研究领域,中国科学院院士、南京大学教授祝世宁带领的研究团队,首次基于无人机移动平台,实现了量子纠缠分发,为量子通信网络提供了一种新的方案。

该项研究最早于 2019 年 6 月公布,而最终的研究论文于 2020 年 1 月,发表于期刊《国家科学评论》(National Science Review,NSR)。

https://doi.org/10.1093/nsr/nwz227

现有量子纠缠分发方式的不足

量子纠缠是一种量子力学现象,是指处于纠缠态的两个量子,不论相距多远都存在一种关联,其中一个量子状态发生改变(比如人们对其进行观测),另一个的状态会瞬时发生相应改变。这种特有现象因其安全性和高效性,也被用来进行在通信方面的研究。

而量子纠缠分发是指,把制备好的两个纠缠量子,分别发送到两个有一定距离的覅方,通过观察两个点的测量结果是否符合标准(依据贝尔不等式),来检验量子纠缠的存在。这是验证远距离量子力学正确性和实现广域量子网络必须的手段。

全球首颗量子科学实验卫星墨子号

其中的一项科学任务就是实现量子纠缠分发

此前,实现的量子纠缠分发主要有两种,一种是通过光纤链路;另一种依靠量子通讯卫星。

但这两种方式都存在不足:光纤远距离传输会产生损耗限制,而且依赖于光纤的铺设;而卫星虽能远距离传输,但受轨道约束、光照(光子也是一种量子,会干扰)等影响,通信量很难实现全时段和全覆盖。

本次研究的重大突破

而南京大学团队本次的研究成果,开辟了另一条路径,打通了卫星和地基之间的联系。

无人机充当了卫星和地基之间的桥梁

他们以无人机等移动平台作为量子网络的基本节点,构建移动量子通信网络的设想,成功完成了第一个基于无人机的量子纠缠分发实验。

这种方式具有机动快速、按需组网、易于扩展、成本低廉的特点,可以用来弥补量子卫星通讯的不足,结合地面的通讯设备,建立起具有高空移动通信的广域量子网络。

具体而言,在实验中将无人机作为量子通信网络的载体,通过使用八轴旋翼无人机,搭载高性能的集成化量子纠缠光源,完成了可扩展的信号收发一体系统,在远距离、多种自然条件下验证量子纠缠分发的可行性。

实验视频演示

经过实验发现,无人机每次能在空中盘旋 40 分钟,每秒可产生 240 万对纠缠光子,能够维持两个大约 100 米长的空对地链路,充分验证了可通过无人机这种便携式量子节点,以级联的形式实现卫星和地基节点的连接。

这项成果得益于研究团队两年多的辛苦钻研。研究人员辗转南京、石家庄、兰州多地进行实验,最终实现了量子纠缠分发系统的研制,而且验证了它在白天、雨天等多气象条件下的工作能力。

研究者之一南京大学教授谢臻达介绍到,该实验结果证明此传输链路稳定,损耗比较低,实验的成功,也预示着利用无人机去构建量子通信网络是可行的手段。

—— 完 ——

扫描二维码,加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解更多

更多精彩内容(点击图片阅读)

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计 内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。 立即下载

相关推荐

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

使用量桨PaddleQuantum实现有效压缩量子数据的量子自动编码器

使用量桨PaddleQuantum实现有效压缩量子数据的量子自动编码器一、前置基础知识——量子世界的测量1.我们看到的世界就是真实的世界吗?2.叠加态3.量子力学逻辑基础二、量子自动编码器的实现原理四、训练数据说明三、使用PaddleQuantum实现1.安装量桨PaddleQuantum2.导入必要的package3.生成初始态4.搭建量子神经网络5.配置模型6.模型训练7.模型效果 训练量子自动编码器以压缩特定的量子态数据集,以较小的尺寸表示数据,从而有效地压缩输入。 参考资料: Quantum au

zbp_12138的博客 1902

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

90年来首次!中国“墨子号”量子科学实验卫星科研团队,荣获2018年度克利夫兰奖 ...

获奖的依据是该团队通过实现千公里级星地双向量子纠缠分发推动大尺度量子通信实验研究所作出的贡献。 美国当地时间2月14日,在华盛顿举行的美国科学促进会第185届年会上,中国“墨子号”量子科学实验卫星科研团队获得了2018年度克利夫兰奖。 这是自克利夫兰奖设立90多年以来,中国科学家在本土完成的科研成果首次获得了这一荣誉。获奖的依据是该团队通过实...

weixin_34254823的博客 332

frontend-design skills

frontend-design skills

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

量子纠缠与共振原理在分布式系统同步中的技术隐喻

信息同步是分布式计算与通信系统的核心基础,其本质涉及信息在多个节点间的一致性维护。从物理原理看,量子纠缠展示了非局域性的瞬时关联特性,虽不能直接用于宏观数据同步,但为规避光速限制提供了隐喻思路——通过预建立关联结构减少实时通信开销。共振原理则通过频率匹配提升能量传递效率,这一机制可迁移至网络协议设计,如自适应心跳检测与负载均衡。在工程实践中,这些原理与分布式存储、脑机接口和AI对齐等场景深度结合:全息存储通过纠删码实现冗余与效率平衡,注意力机制通过控制信号优化资源分配。本文聚焦量子纠缠和共振频率等概念,探讨

weixin_33766168的博客 398

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

量子不可克隆定理如何颠覆传统加密?从原理到攻防实战解析

本文深入解析量子不可克隆定理如何颠覆传统加密体系,从物理原理到BB84协议实战应用,揭示量子密码学的革命性突破。通过对比传统加密算法在量子计算下的脆弱性,探讨基于量子密钥分配的后量子密码迁移方案,为构建量子安全通信网络提供技术路线图。

xray4的博客 808

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

《全球量子科技发展趋势(2026年)》报告

对于参与者而言,深耕理论、攻关技术、持续投入、开放协作、打造生态、聚焦价值,将是赢得量子时代的必备策略。例如,在特定量子化学模拟、组合优化问题的近似求解,以及量子机器学习的数据处理任务中,量子设备在特定规模下将持续展现出经典方法难以企及的效率,继续推动“量子优越性”的验证从“原理性证明”走向“实用性暗示”,为相关领域的研究方向提供了强有力的激励。量子互联网的雏形将初现,量子存储与中继技术有望取得关键进展,实现纠缠分发距离的大幅延伸,为未来分布式量子计算与传感网络奠定基础。在材料模拟领域,量子。

weixin_49393016的博客 1428

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

MADQRL:分布式量子强化学习框架如何解决多智能体协同难题

强化学习通过智能体与环境的交互试错来学习最优策略,其核心原理是最大化累积奖励。这一技术为解决序列决策问题提供了通用框架,在机器人控制、游戏AI等领域展现出巨大价值。随着应用场景复杂化,多智能体强化学习应运而生,旨在处理多个智能体在共享环境中相互影响、协同决策的挑战,但其面临非平稳环境、信用分配和维度爆炸等核心难题。量子计算以其并行性和状态叠加特性,为处理高维优化问题提供了新思路。量子强化学习尝试将量子神经网络等组件引入传统框架,有望提升策略搜索效率。在此背景下,融合分布式计算、量子计算与多智能体学习的MAD

weixin_34245749的博客 627

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

从0开始,部署micro_ros+stm32f407+stm32cubeIDE

(5)安装依赖项rosdep时,必须处于创建的microros_ws中,因为里面有clone的src文件夹。(3)教程a中的安装docker不是必须的,取决于运行agent时是否想使用docker。(4)记得安装rosdep,并在以后的命令中将rosdep替换为rosdepc。4、运行agent,选择udp、tcp、can、串口,这里没有使用docker。(1)首先参考教程a安装虚拟机和ubuntu,注意版本选择22.04;(2)参考教程b部署micro_ros构建系统。二、安装和运行agent。

m0_37963053的博客 2236
上一篇: 做了疫期大众心态的数据监测后,我发现了这些秘密
下一篇: 「AI 口罩检查官」上线,0.3 秒检查口罩佩戴情况
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值