# Suprimăm mesajele TensorFlow import os import warnings os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' warnings.filterwarnings('ignore') import strawberryfields as sf from strawberryfields.ops import Sgate, BSgate, Rgate, MeasureFock, Xgate, Dgate import numpy as np import matplotlib.pyplot as plt from typing import List, Tuple import time class GhostInterferenceExperiment: def __init__(self, fiber_length: float, detection_rate: float, photons_per_signal: int, wavelength: float): self.FIBER_LENGTH = fiber_length self.REFRACTIVE_INDEX = 1.5 self.DETECTION_RATE = detection_rate self.WAVELENGTH = wavelength self.PHOTONS_PER_SIGNAL = photons_per_signal self.eng = sf.Engine("fock", backend_options={"cutoff_dim": 15}) def simulate_single_photon(self, bit: int) -> float: """Simulează comportamentul unui singur foton și returnează puterea măsurată""" prog = sf.Program(2) with prog.context as q: # Generare stare cuantică cu parametri optimizați Sgate(0.1) | q[0] # Compresie redusă pentru zgomot minim BSgate(np.pi/3) | (q[0], q[1]) # Divizor de fascicul optimizat # Calculăm și aplicăm întârzierea prin fibră delay_time = (self.FIBER_LENGTH * self.REFRACTIVE_INDEX * 1000) / 299.792 phase = 2 * np.pi * delay_time * 1e-6 * self.DETECTION_RATE Rgate(phase) | q[0] # Codificare bit cu contrast mărit if bit == 1: Xgate(2.0) | q[0] # Deplasare mare pentru bit 1 else: Dgate(0.01) | q[0] # Zgomot minim pentru bit 0 # Măsurători cuantice MeasureFock() | q[0] MeasureFock() | q[1] # Rulăm simularea și returnăm rezultatul result = self.eng.run(prog) return float(result.samples[0][0]) def simulate_transmission(self, message: str) -> Tuple[str, List[float]]: """Simulează transmisia completă a mesajului""" received_bits = [] accuracies = [] print("\nSimulare transmisie retrocauzală - evenimentele apar în ordine inversă:") print("----------------------------------------------------------------") for idx, bit in enumerate(message): bit_val = int(bit) measurements = [] time_before = -50 # microsecunde # Efectuăm măsurători multiple pentru fiecare bit for _ in range(self.PHOTONS_PER_SIGNAL): power = self.simulate_single_photon(bit_val) measurements.append(power) # Calculăm statistici pentru decizie avg_power = np.mean(measurements) max_power = np.max(measurements) # Calculăm acuratețea pentru acest bit if bit_val == 1: success_rate = sum(m > 0.5 for m in measurements) / self.PHOTONS_PER_SIGNAL else: success_rate = sum(m < 0.5 for m in measurements) / self.PHOTONS_PER_SIGNAL accuracy = success_rate * 100 # Determinăm bitul primit received_bit = '1' if avg_power > 0.5 else '0' # Afișăm informații despre transmisie print(f"\nBit {idx+1}:") print(f" t = {time_before}µs: Bit detectat: {received_bit}") print(f" t = 0µs: Bit transmis: {bit}") print(f" Putere medie: {avg_power:.3f}") print(f" Putere maximă: {max_power:.3f}") print(f" Acuratețe: {accuracy:.1f}%") received_bits.append(received_bit) accuracies.append(accuracy) return ''.join(received_bits), accuracies def plot_results(self, accuracies: List[float], message: str, received: str): """Vizualizează rezultatele transmisiei""" fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8)) # Grafic acuratețe ax1.plot(accuracies, 'bo-', label='Acuratețe măsurată') ax1.axhline(y=100, color='r', linestyle='--', label='Ideal') ax1.set_xlabel('Număr bit') ax1.set_ylabel('Acuratețe (%)') ax1.set_title('Acuratețe Transmisie Retrocauzală') ax1.grid(True) ax1.legend() # Grafic comparație biți x = np.arange(len(message)) width = 0.35 ax2.bar(x - width/2, [int(b) for b in message], width, label='Biți transmiși', color='blue', alpha=0.5) ax2.bar(x + width/2, [int(b) for b in received], width, label='Biți primiți', color='red', alpha=0.5) ax2.set_xlabel('Poziție bit') ax2.set_ylabel('Valoare bit') ax2.set_title('Comparație Biți Transmiși vs. Primiți') ax2.set_xticks(x) ax2.legend() plt.tight_layout() plt.show() def get_validated_input(prompt: str, min_val: float, default_val: float, unit: str = "") -> float: """Obține și validează input-ul utilizatorului""" while True: try: val = input(f"{prompt} [{unit}] (implicit {default_val}): ").strip() if val == "": return default_val val = float(val) if val >= min_val: return val print(f"Eroare: Valoarea trebuie să fie cel puțin {min_val}") except ValueError: print("Eroare: Introduceți un număr valid") def main(): """Funcția principală a programului""" print("Experiment de Comunicare Cuantică Retrocauzală") print("---------------------------------------------") print("\nConfigurare parametri experiment:") print("(Apăsați ENTER pentru a folosi valorile implicite din experimentul original)\n") # Obținem parametrii de la utilizator fiber_length = get_validated_input( "Lungimea fibrei optice (în experiment: 10 km)", min_val=0.1, default_val=10.0, unit="km" ) detection_rate = get_validated_input( "Rata de detecție (în experiment: 10 MHz = 10e6 Hz)", min_val=1e5, default_val=1e7, unit="Hz" ) photons_signal = get_validated_input( "Numărul de fotoni per bit (în experiment: 100)", min_val=10, default_val=100, unit="fotoni" ) wavelength = get_validated_input( "Lungimea de undă (în experiment: 702 nm)", min_val=100, default_val=702, unit="nm" ) # Inițializăm experimentul experiment = GhostInterferenceExperiment( fiber_length=fiber_length, detection_rate=detection_rate, photons_per_signal=int(photons_signal), wavelength=wavelength ) # Afișăm configurația print("\nConfigurație finală:") print(f"- Lungime fibră: {experiment.FIBER_LENGTH} km") print(f"- Rată detecție: {experiment.DETECTION_RATE/1e6} MHz") print(f"- Fotoni per semnal: {experiment.PHOTONS_PER_SIGNAL}") print(f"- Lungime de undă: {experiment.WAVELENGTH} nm") # Obținem mesajul de la utilizator while True: message = input("\nIntroduceți mesajul binar (secvență de 0 și 1): ") if all(bit in '01' for bit in message): break print("Eroare: Introduceți doar 0 și 1") # Rulăm simularea print("\nÎncepere simulare transmisie retrocauzală...") received_message, accuracies = experiment.simulate_transmission(message) # Afișăm rezultatele print("\nRezultate finale:") print(f"Mesaj transmis: {message}") print(f"Mesaj primit: {received_message}") print(f"Acuratețe medie: {np.mean(accuracies):.2f}%") # Afișăm graficele experiment.plot_results(accuracies, message, received_message) if __name__ == "__main__": main()