深度学习设计的AlGaAs界面实现囚禁离子与电信量子网络的连接
实现可扩展的量子互联网需要高效的光-物质界面,将静态量子比特映射到光子载体上以实现远距离传输。核心挑战在于生成同时兼容单发射器跃迁与低损耗电信光纤基础设施的纠缠光子。集成光子平台中的自发参量下转换为实现该目标提供了可行路径。在现有材料体系中,AlGaAs因其高二阶非线性系数和单片集成潜力而极具吸引力。然而,要调控生成量子态的光谱与空间特性,需同时优化众多几何与材料参数,这对传统数值方法仍是计算密集型任务。
为应对这一挑战并实现复杂非线性光子器件的快速高保真建模,该研究团队开发了基于神经网络代理模型的逆向设计框架。利用这一可扩展方法,研究人员设计出横向泵浦AlGaAs波导微腔,可生成空间模式和频率通道分离的偏振纠缠光子对:一个光子波长为1092纳米(与锶离子88同位素跃迁共振),另一个位于电信C波段1550纳米。该器件在囚禁离子量子比特与长途光纤网络间建立了直接光子接口,为混合量子网络架构提供了可扩展的实现路径。

