近日，我校数学学院的算子理论与量子信息团队应用算子理论和统计学等数学工具，在量子信息与统计物理领域中的纠缠渗流问题上取得研究进展。该研究工作以题为“A Counter-Intuitive Low Entanglement Percolation Threshold in Mixed-State Quantum Networks”的学术论文发表在期刊《Communications Physics》上。该论文的第一署名单位为太原理工大学，第一作者是我校博士生王海港，合作者包括侯晋川教授，Omar Malik博士和张勇涛博士，通讯作者为贺衎和美国伦斯勒理工学院孟祥一。

理解量子网络中的纠缠渗流一直是个难题。并发度渗流理论为此提供了统计物理框架，通过建立纠缠度量（并发度）与经典渗流量度（概率）之间的对应关系展开研究。然而，该理论此前仅局限于理想化的纯态纠缠资源，忽视了实际中受随机噪声“污染”的混合态情形。本研究突破这一局限，构建了混合态并发度渗流理论，发现其渗流阈值竟低于纯态体系。这一悖论性发现似乎表明，随机污染反而比保持纯态特性的幺正噪声危害更小，这对传统认知形成了挑战。我们通过指出一个操作细节解决了这一矛盾：实施混合态并发度渗流协议需要量子存储器来缓冲混合态协议固有的概率特性。研究发现，若缺乏量子存储器，混合态并发度渗流的表现始终逊于纯态体系。这强化了我们的认识——随机噪声实际上构成更严重的障碍，这对量子网络设计具有重要指导意义。此外，该研究首次对不同类型噪声在纠缠渗透过程中的影响给出了定量解读，揭示了以系统纠缠渗透阈值为核心的复杂物理机制，这为比较随机（比特翻转）噪声与幺正（保纯性）噪声提供了依据。我院算子理论与量子信息团队负责人是贺衎教授，团队专注于算子理论等数学分支与量子信息科学技术的交叉领域前沿课题研究，注重解决量子信息理论与应用技术的关键问题，推进科研成果转化，助力国家科技战略实施，锤炼出一个理论研究与产业应用并重、思想积极向上、锐意进取、梯队科学合理的创新型团队。团队近年来在量子信息技术前沿领域，如多体量子关联的识别与量化、量子网络理论与技术、基于机器学习的量子网络关联识别等方面，逐渐形成了特色明显的交叉研究风格，研究成果得到国内外同行认可。 

该研究工作得到国家自然科学基金项目（No.12271394, 12071336）的支持。

论文链接 https://www.nature.com/articles/s42005-025-02459-6

初审：张艳芳

复审：王   丽

终审：贺   衎