Investigating Bias in Maximum Likelihood Quantum State Tomography
最大似然量子态层析成像产生的估计是一致的,提供的似然模型是正确的,但极大似然估计可能有偏见的任何有限的数据集。估计量的偏差是估计量的期望值与被估计参数的真实值之间的差异。本文研究了广泛应用的极大似然量子态层析成像中的偏置问题。我们的目标是了解偏差量如何取决于诸如真实状态的纯度、执行的测量次数以及测量系统的不同碱基的数量等因素。为此,我们进行数值实验,模拟光学零差层析成像在各种条件下,进行层析成像,并估计偏差的估计状态的纯度。我们发现,估计较高纯度的状态表现出相当大的偏差,这样的估计有较低的纯度比真实的状态。
2016-08-08 quant-ph
An Observed-Data-Consistent Approach to the Assignment of Bit Values in a Quantum Random Number Generator
大多数量子随机数发生器(QRNG)被设计为连续量子随机变量到离散经典随机位值的转换器。为了使产生的随机比特序列具有最小的偏差,转换过程要求实验者充分表征底层量子系统并实现参数估计例程。在这里,我们表明,传统的方法参数估计(如例如{ \it极大似然估计})使用有限的QRNG数据样本,而不谨慎可能会引入分箱偏差,并导致高估的QRNG输出的随机性。为了绕过这些并发症,我们开发了一种基于贝叶斯统计推断方法的替代转换方法。我们说明了我们的方法使用的实验数据从到达时间QRNG和数值模拟数据从真空零差QRNG。并排与传统的转换技术的比较表明,我们的方法提供了一个自动的在线偏置控制和自然界的最佳可实现的QRNG比特率为一个给定的测量记录。
2014-04-23 quant-ph
Von Neumann Normalisation of a Quantum Random Number Generator
在本文中,我们研究冯诺依曼无偏归一化的理想和实量子随机数发生器,操作有限字符串或无限位序列。在理想情况下,可以获得所需的非偏置。这主要依赖于源的独立性,这是我们为模型严格定义的概念。在实际情况下,受测量和硬件缺陷的影响,无法实现真正的无偏置,但是,如果偏置“漂移得足够慢”,则结果可以任意接近无偏置。对于无限序列,归一化可以增加或减少生成序列的(算法)随机性。冯·诺依曼规范化的成功应用--事实上,任何无偏变换--都确实做到了它所承诺的,无偏,随机性的一个(无限多的)症状;它不会产生“真正的”随机性。
2020-01-24 cs.IT math.IT quant-ph
True Random Number Generators on IQM Spark
Wrocław University of Science and Technology(弗罗茨瓦夫科技大学)
本文研究了在IQM Spark量子计算机上实现的5种TRNG电路,分析了其生成的随机序列质量,并综述了现有文献。
2025-12-10 cs.CR quant-ph
Three criteria for quantum random number generators based on beam splitters
我们提出了从量子分束器生成随机数字串的三个标准:(i)三个或更多个互斥的结果对应于三维和更高维希尔伯特空间的调用;(ii)强制使用共轭基中的纯态进行制备和检测;以及(iii)使用纠缠单态(唯一)消除偏差。
2009-05-15 quant-ph
Experimental study of quantum random number generator based on two independent lasers
量子随机数发生器(QRNG)利用量子力学固有的概率性质产生真正的随机性。近年来,由于激光器的自发辐射量子相位噪声具有速率高、成本低和芯片级集成的可行性等优点,被广泛应用于QRNG。在这里,我们进行了一个全面的实验研究的相位噪声为基础的QRNG与两个独立的激光器,其中每个操作在连续波(CW)或脉冲模式。我们实现QRNGs通过操作两个激光器在三种配置,即CW+CW,CW+脉冲和脉冲+脉冲,并展示他们的权衡,优势和劣势。
2017-12-05 quant-ph
Modulator-free, self-testing quantum random number generator
本研究提出一种无调制器的实用自测试量子随机数发生器,能在不可信测量设备和部分表征源的条件下实时验证装置运行,实验产生了450kbps的认证随机比特率。
2025-07-16 quant-ph
Quantum Random Number Generator Based on LED
本文设计并实现了一种基于LED自发辐射与吸收涨落的嵌入式量子随机数发生器,采用FIR后处理方法,通过NIST测试并实现1 Mbit/s的稳定随机数生成。
2024-02-28 quant-ph
A Fast and Compact Quantum Random Number Generator
我们提出了一个物理量子随机数发生器的实现的基础上分裂的过程中的一束光子的分束器,真正的随机性的量子力学源。通过使用分束器或偏振分束器、单光子探测器和高速电子器件,所提出的装置能够以1 Mbit/s的速率产生具有11.8ns的自相关时间和连续的随机数流的二进制随机信号。所生成的信号和数字的随机性通过对数据样本进行一系列测试来显示。本文所述的设备内置于紧凑的外壳中,操作简单。
1999-12-28 quant-ph
Quantum random number generator based on photonic emission in semiconductors
我们报告了一种新的原理,实现了一个快速的非确定性随机数发生器,其随机性依赖于固有的随机性的量子物理过程的光子发射在半导体和随后的检测由光电效应。探测到的光子的定时信息用于生成二进制随机数字比特。基于可重启时钟的比特提取方法在理论上消除了偏差和自相关,同时达到了每个随机事件近0.5比特的效率。已经建立了一个原型,并进行了统计测试。
2017-12-16 quant-ph
An On-Demand Optical Quantum Random Number Generator with In-Future Action and Ultra-Fast Response
随机数对于我们现代信息社会是必不可少的,例如在密码学中。与常用的伪随机数生成器不同,物理随机数生成器不依赖于复杂的算法,而是依赖于物理过程来提供真正的随机性。量子随机数发生器(QRNG)确实依赖于一个过程,这个过程甚至在原则上也只能用概率理论来描述。在这里,我们提出了一个概念上简单的实现,它提供了一个100%的效率,产生一个随机位的请求,同时表现出超低的延迟。仔细的技术和统计分析表明,它的鲁棒性对实际实施的技术的缺陷,并能够快速估计非常长的序列的随机性。生成的随机数通过标准统计测试,无需任何后处理。这里所描述的设置以及所介绍的理论证明了该技术的成熟性和全面理解。
2015-06-09 quant-ph
Enhanced security for multi-detector Quantum Random Number Generators
量子随机数发生器(QRNG)代表了一种先进的随机性生成解决方案,在每一个密码学应用中都是必不可少的。在这种情况下,单光子探测器的集成阵列具有作为基于光子的空间探测的QRNG的有前途的应用。为了在密码学中使用QRNG,有必要有有效的方法来评估所谓的量子最小熵,其对应于从QRNG中真正可提取的量子随机性的量。在这里,我们提出了一种有效的方法,允许估计量子最小熵的多检测器QRNG。特别是,我们将考虑一个场景,其中攻击者可以控制探测器的效率,并知道发射的光子数。最后,我们将该方法应用于一个QRNG与$10^3$检测器。
2016-05-16 quant-ph
Source-independent quantum random number generators with integrated silicon photonics
本研究实验演示了基于硅光子学的源无关量子随机数生成器,通过校准芯片和优化参数实现7.9 Mbits/s的创纪录速率,为集成化QRNG铺路。
2023-12-28 quant-ph
Extracting random numbers from quantum tunnelling through a single diode
随机数生成在日常生活的许多方面都至关重要,因为在线安全和隐私最终取决于随机数的质量。目前的许多实现都是基于伪随机数生成器,但信息安全需要真随机数用于敏感应用,如银行,国防甚至社交媒体中的密钥生成。真正的随机数发生器是一种输出无法确定的系统,即使它们的内部结构和响应历史是已知的。因此,量子噪声源由于其固有的不确定性而对于这种应用是理想的。在这项工作中,我们建议使用共振隧穿二极管作为实际的真随机数发生器的基础上的量子力学效应。所提出的设备的输出可以直接用作随机比特流,或者可以使用随机性提取算法进一步提取,这取决于应用。
2017-06-22 cond-mat.mes-hall quant-ph
Simple source device-independent continuous-variable quantum random number generator
相位随机化光学零差检测是用于执行量子态层析成像的公知技术。到目前为止,它主要被认为是一种用于实验室实验的复杂工具,但不适合实际应用。在这项工作中,我们改变的角度,并采用这种技术来建立一个实用的连续变量量子随机数发生器。我们利用一个相位随机本地振荡器实现的增益开关激光约束的最小熵和提取真正的随机性从一个完全未表征的输入,可能由恶意的对手控制。我们的原理验证实现实现了270 Mbit/s的等效速率。与其他源设备无关的量子随机数发生器相比,本文提出的量子随机数发生器不需要额外的有源光学组件,因此代表了未来紧凑的、无调制器的、经认证的随机性发生器的可行解决方案。
2019-07-17 physics.optics quant-ph
True randomness from realistic quantum devices
即使随机数发生器(RNG)的输出是完全均匀分布的,它也可能与预先存在的信息相关,因此是可预测的。因此,统计测试不足以保证RNG可用于应用,例如,在密码学或赌博中,不可预测性很重要。为了使这样的应用程序的随机性,称为“真正的随机性”,需要一个更强的概念,其中包括独立于先验信息。量子系统特别适合于真正的随机性生成,因为它们的不可预测性可以根据物理原理来证明。然而,量子RNG(QRNG)的实际实现总是受到噪声的影响,即,没有完全控制的影响。这降低了设备生成的原始随机性的质量,因此有必要对其进行后处理。在这里,我们提供了一个框架来分析现实的QRNG,并确定将其原始输出转换为真正随机性所需的后处理。
2013-11-18 cs.CR quant-ph
All-Optical Brillouin Random number Generator
Moscow Center for Advanced Studies(莫斯科高等研究中心);Dukhov Research Institute of Automatics (VNIIA)(杜霍夫自动仪器研究所);Institute for Theoretical and Applied Electromagnetics(理论与应用电磁学研究所)
基于布里渊光学机械系统,提出一种全光随机数生成器,通过控制外部泵波振幅和种子波强度实现随机比特序列的生成,并通过NIST测试验证其有效性。
2026-02-24 physics.optics quant-ph
A universal whitening algorithm for commercial random number generators
随机数发生器由于制造偏差和技术缺陷而不完美。这些缺陷是使用后处理算法来消除的,这些算法通常会压缩数据,但并不适用于每种情况。在这项工作中,我们提出了一个通用的白化算法,使用n-量子比特置换矩阵,以消除商业随机数发生器中的缺陷,而无需压缩。具体来说,我们证明了我们的算法在几个类别的随机数生成器和它的比较与加密哈希函数和块密码的有效性。我们在使用ENT随机性测试套件评估的几乎每一个随机性参数上都取得了改进。在原始随机数据文件中应用我们的算法后获得的修改后的随机数文件在两种情况下都通过了NIST SP 800-22测试:1。原始文件未通过所有测试。2.原始文件也通过了所有测试。
2022-08-25 cs.CR quant-ph
A High Speed, Post-Processing Free, Quantum Random Number Generator
介绍了一种基于InGaAs光电二极管门控单光子探测的GHz频率量子随机数发生器(QRNG)。由于每个光子的相干时间非常长,每个光子的波函数在光电二极管的许多门控周期上延伸。光子波函数在随机选通周期上的崩溃以及光子随机到达时间检测事件被用于以4.01兆比特/秒的速率生成随机比特序列。重要的是,随机输出本质上是无偏置的,并且不需要后处理过程来通过随机数统计测试,这使得QRNG成为一个非常简单的设备。
2008-07-25 cs.CR quant-ph
On the effects of biased quantum random numbers on the initialization of artificial neural networks
本文通过数值实验实证研究了真实量子硬件产生的有偏量子随机数对神经网络权重初始化的影响,发现其与无偏量子随机数及经典伪随机数相比无统计显著差异。
2023-12-19 quant-ph stat.ML
RandFile package for Mathematica for accessing file-based sources of randomness
我们提出了一个包Mathematica计算机代数系统,它允许利用本地文件作为随机数据的来源。我们提供了包的描述,并通过展示一些示例来说明其用法。我们还比较了提供的功能与随机性的替代来源,即内置的伪随机生成器和用于访问硬件真随机数生成器的包。
2015-03-15 cs.MS physics.comp-ph physics.data-an