量子科技中心_量科网

基于纳米金刚石中氮空位中心的单光子发射体（中性NV0（波长575 nm）与负电性NV-（波长637 nm））虽在量子纳米光子学应用中展现出潜力，但其发射效率仍受限于微弱的光-物质相互作用。多层超表面（MLM）通过突破传统单一材料超表面的限制，为高效光调控提供了前所未有的自由度，可构建同时增强泵浦激发与单光子收集的双共振腔。然而，面对庞大的参数空间与计算需求，传统试错法和正向优化方法在设计此类复杂结构时面临巨大挑战。该研究团队提出NanoPhotoNet-Inverse——一种基于混合深度神经网络架构的人工智能驱动逆向设计框架。该模型高效实现了两种纳米金刚石空位双共振腔的逆向设计，分别用于增强泵浦光与单光子发射，并提升单光子收集效率。该方法实现了超过98.7%的逆向设计预测效率，使单光子计数率获得三个数量级放大且寿命达50皮秒，显著优于传统谐振腔设计。发射速率与收集效率的显著提升，使该平台成为推动量子通信网络、量子计算架构、量子传感应用及量子密码系统发展的变革性技术，为量子技术领域的智能光子器件工程开辟了新路径。