مقاله پژوهشی: تقویت کننده خطی بدون نوفه مبتنی بر قیچی کوانتومی سه-فوتون با مانستگی بالا
Publish place: Iranian Journal of Applied Physics، Vol: 14، Issue: 2
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 31
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAPAZ-14-2_006
تاریخ نمایه سازی: 29 فروردین 1403
Abstract:
در این مقاله، یک قیچی کوانتومی سه- فوتون، که فضای هیلبرت بینهایت بعدی را به فضای حالت های عددی با تعداد کمتر از چهار فوتون کاهش می دهد، و دامنه حالات عددی باقیمانده را به روش احتمالی تقویت می کند، پیشنهاد شده است. بدینمنظور، با فرض ایدهآل بودن باریکه شکافها و آشکارسازهای مورد استفاده در طرح پیشنهادی، حالت خروجی این قیچی کوانتومی و احتمال موفقیت مربوط به آن به صورت تحلیلی محاسبه شده است. این تقویت کننده، برخلاف قیچی کوانتومی تک- فوتون یا دو- فوتون، برای هر برهم نهی تا بیشینه سه فوتون عمل تقویت را به صورت ایدهآل انجام میدهد. نتایج بدست آمده برای حالت ورودی همدوس نشان میدهد که مانستگی بین حالت ایدهآل و حالت تقویت شده بدست آمده با استفاده از این قیچی کوانتونی پیشنهادی، به بزرگی مانستگی یک تقویت کننده مبتنی بر مجموعه شش عددی قیچی کوانتومی تک- فوتون، و یا یک تقویت کننده مبتنی بر مجموعه دو عددی قیچی کوانتومی دو- فوتون است. افزون بر این، احتمال موفقیت این قیچی کوانتومی تعمیمیافته بزرگتر از احتمال موفقیت بدست آمده از شش تقویت کننده یک- فوتون، و قابل مقایسه با احتمال موفقیت دو تقویت کننده دو- فوتون است. از اینرو، با توجه به اینکه تجهیزات مورد نیاز برای یک قیچی کوانتومی سه- فوتون کمتر از تجهزات مربوط به شبکهای از قیچیهای کوانتومی تک- فوتون یا دو- فوتون است، این ساختار معرفی شده کارامدتر از تقویتکننده مبتنی بر چند قیچی کوانتومی تک- فوتون و یا دو قیچی کوانتومی دو- فوتون است.
Keywords:
Authors
خاطره جعفری
دانشجوی دکتری، دانشکده فیزیک، دانشگاه صنعتی شریف، تهران، ایران
مجتبی گلشنی
استادیار، دانشکده فیزیک، دانشگاه شهید باهنر کرمان، کرمان، ایران
علیرضا بهرامپور
دانشکده فیزیک، دانشگاه صنعتی شریف، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :