多光子干涉在量子计算及量子机器学习中的研究进展（特邀）

Abstract

多光子干涉是由全同光子在多模线性光网络中产生的联合量子干涉效应，属于光量子系统中一类核心的非经典现象，也是光量子信息处理的重要资源。近年来，随着光量子信息技术的迅速发展，多光子干涉在通用光量子逻辑门的构建以及经典计算机难以模拟的玻色采样等量子计算任务中发挥着关键作用。其中，玻色采样能够在通用量子计算成熟之前率先展示量子优越性，因而自提出以来持续受到广泛关注。与此同时，面向光量子平台的量子机器学习架构不断涌现，致力于将多光子干涉所蕴含的计算能力与机器学习模型结合，推动具有实用价值的量子优势发展。首先，系统回顾多光子干涉的基本原理，涵盖线性光网络模型、积和式描述及玻色采样的计算复杂性；其次，重点介绍其在量子计算中的应用，包括线性光学量子计算架构、基于多光子干涉的量子逻辑门及其应用，以及玻色采样的实验进展；接着，讨论其在量子机器学习领域的创新应用，如量子核方法、光量子神经网络和光量子储备池计算等；最后，总结当前的关键挑战与瓶颈，并对其未来研究方向进行展望。