量子科技中心_量科网

可靠的单光子探测是实用化量子通信与网络的基础。然而，当前超导纳米线单光子探测器（SNSPD）无法区分真实光子事件与暗计数，导致长距离量子通信保真度下降。本研究提出PhotonIDs——首个基于机器学习、通过全波形SNSPD读出信号波形分析实现光子与暗计数实时甄别的端到端系统，其创新性体现在：：1）基于FPGA的高速数据采集平台，可实时筛选背景数据并选择性捕获完整信号波形；2）高效信号预处理流程与基于事件时空物理特征的新型伪位置度量指标；3）光子/暗计数分类准确率达98%的混合机器学习模型。该工作通过两个实际案例（20公里量子链路与铒离子光子发射系统）评估了暗计数消除性能，结果表明PhotonIDs可将信噪比提升超31.2倍。这一成果标志着抗噪量子通信基础设施的重要进展。