1. 光镊原子阵列概述

光镊原子阵列是当前量子模拟、量子计算与精密测量领域最具代表性的实验平台之一。它用高度聚焦的激光束在空间中形成周期性势阱,把单个中性原子逐一“夹”在焦点附近,再通过空间光调制器或声光偏转器把焦点排布成任意几何构型,从而获得一个位置可控、可寻址、可重构的原子比特阵列。理解这一平台,需要同时把握三件事:光镊为什么能束缚原子、阵列如何定义与分类、以及用什么指标衡量一个阵列“好不好用”。

一、光镊的基本原理

光镊对中性原子的束缚来自光与原子相互作用产生的偶极势。当激光频率低于原子跃迁频率(红失谐,即 δ = ω_L − ω_0 < 0)时,原子被吸引到光强最强处;反之蓝失谐时原子被排斥。对于远失谐、低饱和的近似条件,偶极势可写为

U_dip(r) = (3πc² / 2ω_0³) · (Γ / δ) · I(r)

其中:c 为光速,ω_0 为原子跃迁角频率,
      Γ 为自然线宽,δ 为失谐量,I(r) 为光强分布

该式给出两个关键结论:势阱深度正比于光强、反比于失谐量;失谐越大,势阱越浅,但散射率下降得比势阱更快(散射率 ∝ Γ/δ²),因此大失谐是降低加热与退相干的主要手段。典型实验中,单个光镊的腰斑 w₀ 约为 0.8~1.2 μm,波长常取 780 nm(铷)、813 nm(铷魔幻波长)或 852 nm(铯),单阱深度约 0.5~2 mK,对应约 10~100 倍反冲温度,足以稳定束缚温度在 μK 量级的冷原子。

束缚的稳定性由阱深与原子动能之比决定。若原子温度为 T,则要求 U_dip ≳ 10 k_B T 才能把逃逸率压到可接受水平。同时,光镊的振动、指向漂移和光强噪声都会转化为原子的加热,因此光路的热稳定与声学隔离与光学设计同等重要。

二、原子阵列的定义与分类

原子阵列指多个被独立光镊束缚、且相对位置在实验时间尺度内保持稳定的单原子集合。按几何构型可分为一维链、二维方格子、三角格子、蜂窝格子以及任意无缺陷排布;按装载方式可分为随机装载阵列与确定性重排阵列;按功能可分为量子模拟阵列(如费米—哈伯德模型、量子磁体)与量子计算阵列(作为比特寄存器与纠缠资源)。

随机装载是最初级的形态:把冷原子云与光镊阵列重叠,原子按泊松统计随机落入各阱,单原子填充率通常只有 50%~60%。确定性重排则借助可移动光镊,把已识别出的单原子逐个搬运到目标位置,形成无缺陷阵列。这一过程依赖荧光成像识别空位、声光偏转器快速切换焦点、以及搬运路径上势阱的平滑交叠,是当前构建百比特以上阵列的标准流程。

光镊原子阵列:从光场到可寻址比特 光镊形成链路 激光源(780/813/852 nm) AOD / SLM 光束偏转 高 NA 物镜聚焦 焦点阵列(势阱) U_dip ∝ I / δ,w₀ ≈ 1 μm 阵列构型与装载 一维链 二维方格子 三角格子 随机装载 → 确定性重排 空位识别 + 可移动光镊搬运 核心性能指标 单原子填充率 随机 ~50% → 重排 >99% 阵列规模 N 数十 → 数百 → 千比特级 单比特相干时间 T₂ 典型 0.1~10 ms(示例量级) 寻址串扰 相邻阱间距 ≥ 2~3 μm 重排耗时与保真度 单次搬运 ~100 μs,损耗 <1% 典型应用:量子模拟(费米—哈伯德 / 量子磁体) · 量子计算(比特寄存器 / 纠缠源) · 精密测量(光钟 / 传感)

三、核心性能指标

评价一个光镊原子阵列,通常关注五类指标。第一是单原子填充率,即被单原子占据的阱占总阱数的比例,随机装载约 50%,重排后可超过 99%。第二是阵列规模 N,即有效比特数,目前主流平台在数十到数百之间,千比特级正在推进。第三是单比特相干时间 T₂,受光镊散射、磁场噪声与激光相位噪声限制,典型值在 0.1~10 ms 量级(示例量级,实际取决于具体原子与光镊参数)。第四是寻址串扰,相邻阱间距通常需保持在 2~3 μm 以上,才能用聚焦激光或微波实现单点操作而不显著影响邻居。第五是重排耗时与搬运保真度,单次搬运约 100 μs,损耗需控制在 1% 以下。

这些指标之间存在权衡。增大失谐可延长相干时间,但势阱变浅、装载率下降;缩小阱间距可提高阵列密度,却加剧寻址串扰与偶极相互作用。因此阵列设计本质上是在规模、保真度与相干性之间寻找工作点。

四、典型应用场景与学习地图

光镊原子阵列的典型应用包括:量子模拟,用可编程排布研究费米—哈伯德模型、量子磁性与阻挫系统;量子计算,把阵列作为比特寄存器,通过里德堡阻塞实现两比特门与多体纠缠;精密测量,利用阵列提升光钟与传感器的统计效率。三类应用对阵列的要求各有侧重:模拟看重几何灵活性与均匀性,计算看重寻址与门保真度,测量看重相干时间与系统误差控制。

本课程后续将沿“光镊光场设计 → 原子冷却与装载 → 荧光成像与空位识别 → 确定性重排 → 单比特寻址与读取 → 里德堡门与纠缠 → 阵列标定与误差分析”的主线展开。学习时建议始终把每个环节与上述五项指标对应起来:任何一步的改进,最终都要落到填充率、规模、相干时间、串扰或搬运保真度的可测量变化上。

作为入门,可以先建立一个最小可运行的心智模型:一束大失谐激光经 AOD 或 SLM 分成多个焦点,形成势阱阵列;冷原子云与之重叠后被逐个捕获;相机采集荧光判断每个阱中是 0 个、1 个还是多个原子;再用可移动光镊把单原子补齐到目标构型。当你能说清“光强与失谐如何决定阱深”“填充率与重排如何决定有效比特数”“相干时间与串扰如何限制门操作质量”这三条因果链,就已经掌握了本节的核心框架。