Can Randomly Structured Metasurfaces Be Used for Quantum Tomography of High-Dimensional Spatial Qudits?
Notice bibliographique
Résumé
Reconstructing the density matrix of the quantum state of photons through a tomographically complete set of measurements, known as quantum state tomography, is an essential task in nearly all applications of quantum science and technology, from quantum sensing to quantum communications. Recent advances in optical metasurfaces enable the design of ultrathin nanostructured optical elements performing such state tomography tasks, promising greater simplicity, miniaturization, and scalability. However, reported metasurfaces on this goal were limited to a small Hilbert dimension, e.g., polarization qubits or spatial qudits with only a few states. When scaling up to higher-dimensional qudit tomography problems, especially those involving spatial qudits, a natural question arises: whether a metasurface with randomized nanostructures is sufficient to perform such qudit tomography, achieving optimal conditions. In this work, we attempt to answer this question through a set of numerical experiments with random metasurfaces, utilizing large-scale simulations of over 16,000 distinct metasurfaces, each exceeding 200 wavelengths in size. We show that, with sufficient redundancy in the number of detectors, random metasurfaces perform reasonably well in quantum photonic spatial qudit tomography encoded in Hermite-Gaussian states for up to approximately 10 states. Furthermore, we discuss additional considerations for optimizing metasurfaces in multiphoton cases. Our work opens a pathway toward computationally efficient, miniaturized, and error-tolerant quantum measurement platforms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».