近日，电子科技大学基础与前沿研究院、电子科技大学量子物理与光量子信息教育部重点实验室、中国科学技术大学中国科学院量子信息重点实验室、清华大学数学科学中心、奥地利科学院维也纳量子光学与量子信息研究所和巴黎综合理工电信学院组成的研究团队，在《物理评论快报》发表研究论文。该工作展示了结合经典通信与机器学习在纠缠检测中的实用优势，并首次在实验中验证了使用实时反馈的高维单向经典通信（1-LOCC）协议。

量子纠缠是量子计算、量子通信和量子网络的核心资源。如何在实验中高效、低成本地检测纠缠，是量子信息科学长期面临的挑战。传统的量子态层析方法需要重构完整量子态，资源消耗随系统维度呈指数增长，在高维和多体体系中几乎不可行，因此发展更高效的纠缠检测策略具有重要的学术意义和应用价值。

研究表明，在纠缠检测任务中引入经典通信，能够在相同错误率约束下显著降低漏检纠缠（假阴性）的概率，从而提高检测效率和可靠性。然而，1-LOCC 协议实验实现复杂、试错成本较高。为此，研究团队引入机器学习生成优化方法，自动筛选“最值得实施”的纠缠态及最优检测策略，并在三维光子纠缠平台上完成实验验证。结果清晰展示了经典通信在真实噪声与有限样本条件下的优势，为高效纠缠检测提供了可行路径。

这项研究工作把纠缠检测抽象为可解的优化问题，用生成式机器学习把“最优策略”翻译成“可执行的实验指令”，再通过事件就绪与FPGA自适应架构把它落到台面上。理论、算法与硬件在同一指标体系下闭环优化，这正是这项工作的独特价值。该研究提出了一条面向“自主量子实验”的可扩展路径：以AI为“实验大脑”，将策略设计、指令下发、数据回流与模型更新纳入统一指标体系，推动量子实验从离线优化走向在线学习与闭环控制。

未来，团队计划把这一范式推广到更多量子实验系统中，进一步结合异常检测、自动标定、漂移补偿与自适应测控，使实验平台具备“自配置—自诊断—自优化”的能力，持续释放工程化与规模化优势。

相关论文信息：https://doi.org/10.1103/hlcv-qcnw