基于机器学习的纳米光子腔数值优化以实现室温下近统一光子不可区分性
量子物理
2022-04-12 v2
摘要
室温（RT）下片上确定性产生与光子集成电路耦合的不可区分光子，是量子光子应用的关键。然而，由于大多数确定性单光子源（SPS）的固有退相干，在RT下获得高不可区分性（I）十分困难。在此，我们给出一种混合狭缝-布拉格纳米光子腔的设计与优化的数值演示，该腔体针对多种单光子发射体在RT下实现了理论近统一I和高耦合效率（）。我们的数值模拟预测模体积在量级，可实现可异质集成的量子光子发射体的强耦合。我们表明，根据单光子发射体的固有特性微调品质因子（Q），应可实现高I与。此外，我们执行基于深度神经网络与遗传算法（GA）组合的机器学习优化，在放宽强耦合所需狭缝宽度严格尺寸的同时，将模体积进一步减小近三倍。优化后的器件狭缝宽度为20 nm。该设计所需的制备分辨率处于当前最先进技术的极限。同时，高I与的条件要求量子发射体达到纳米级定位精度。尽管该方案并非可扩展技术，但适用于单光子操作的实验演示。
引用
@article{arxiv.2110.15000,
title = {Numerical optimization of a nanophotonic cavity by machine learning for near-unity photon indistinguishability at room temperature},
author = {J. Guimbao and L. Sanchis and L. M. Weituschat and J. M. Llorens and M. Song and J. Cardenas and P. A. Postigo},
journal= {arXiv preprint arXiv:2110.15000},
year = {2022}
}