基于深度学习设计的 AlGaAs 界面：将囊 trapped 离子连接至电信量子网络
量子物理
2026-03-16 v1
摘要
实现可扩展量子互联网需要高效的光-物质接口，将固态量子比特映射到光子载体进行长距离传输。核心挑战在于生成兼容单发射子能级转换且与低损耗电信光纤基础设施相容的纠缠光子。集成光子平台中的准线偏挫下转换提供了实现这一目标的可行路径。在可用的材料体系中，AlGaAs 因其巨大的二阶非线性及其强大的单晶集成潜力尤为吸引人。然而，工程化生成量子态的谱线和空间特性需要同时优化大量几何和材料参数，这对传统数值方法而言仍具有计算上的挑战。为此，我们发展了基于神经网络代理模型的逆向设计框架，以实现对复杂非线性光子器件的快速高保真建模。利用该方法可扩展的技术手段，我们设计了一个横向泵浦 AlGaAs 波导微腔结构，产生来自不同空间模式和频率通道的偏振纠缠光子对，其中一个光子波长为 1092 nm，与 能级转换共挑;另一个光子波长为 1550 nm，位于电信 C 带。该器件在 trapped 离子量子比特与长距离光纤网络之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路径。
关键词
引用
@article{arxiv.2603.12846,
title = {Deep-Learning-Designed AlGaAs Interface Linking Trapped Ions to Telecom Quantum Networks},
author = {I. P. De Simeone and G. Maltese and V. Cambier and J-P. Likforman and M. Ravaro and L. Guidoni and F. Baboux and S. Ducci},
journal= {arXiv preprint arXiv:2603.12846},
year = {2026}
}