研究发现:硅基导模量子集成光学芯片研制成功

简介:

=中国科技大学郭光灿院士领导的中科院量子信息重点实验室任希锋研究组与浙江大学戴道锌教授合作,首次研制成功硅基导膜量子集成芯片,他们在硅光子集成芯片上利用硅纳米光波导中不同的能量传输模式,作为量子信息编码的新维度,实现了单光子态和量子纠缠态在偏振、路径、波导模式等不同自由度之间的相干转换,其干涉可见度均超过90%,为集成量子光学芯片上光子多个自由度的操纵和转换提供了重要实验依据。该成果近日发表在英国《自然·通讯》杂志上。

与自由空间光学、光纤光学相比,集成光学的器件及系统具有尺寸小、可扩展、功耗低、稳定性高等诸多优点。在以往集成量子光学芯片研究中,通常采用偏振自由度或路径自由度,即利用不同偏振或不同路径来实现量子信息编码。其中,偏振编码仅能实现二维量子信息过程,无法实现高维编码,因而在信息容量和安全性方面存在明显不足;路径编码虽然可实现高维量子信息过程,但为了防止不同路径信息之间的串扰,其路径间距通常较大,极大地制约了量子光学芯片集成度的提升和功能扩展。

任希锋研究组与合作者首次提出采用宽波导中的多个本征波导模式作为编码量子信息的新自由度,利用一条支持多个波导模式的多模波导,有望实现量子信息高维编码。特别是这些模式在传输时不会相互干扰,有效避免了信息串扰问题。与此同时,还可以在量子信息过程中同时利用光子的多个自由度,从而显著提升信息容量。他们利用新型硅基片上波导模式转化器和波导模式复用器,成功实现了偏振、路径和波导模式自由度之间的任意相干转换,为实现集成量子光学芯片中高维量子信息过程奠定了重要基础。





====================================分割线================================


本文转自d1net(转载)

目录
相关文章
|
12月前
|
API 开发工具 Android开发
AppsFlyer 研究(一)AppsFlyer SDK 集成(1)
AppsFlyer 研究(一)AppsFlyer SDK 集成
1255 0
|
2月前
|
机器学习/深度学习 存储 搜索推荐
Elasticsearch与深度学习框架的集成案例研究
Elasticsearch 是一个强大的搜索引擎和分析引擎,广泛应用于实时数据处理和全文搜索。深度学习框架如 TensorFlow 和 PyTorch 则被用来构建复杂的机器学习模型。本文将探讨如何将 Elasticsearch 与这些深度学习框架集成,以实现高级的数据分析和预测任务。
27 0
|
5月前
|
人工智能
MIT等首次深度研究集成LLM预测能力:可媲美人类群体准确率
【4月更文挑战第16天】研究人员集成12个大型语言模型(LLM)组成“硅基群体”,在预测比赛中与925名人类预测者对比。研究发现,LLM群体的预测准确性与人类群体无显著差异,且通过集成可抵消个体模型的偏差,提高预测准确。GPT-4和Claude 2等模型结合人类预测后,准确度提升17%至28%。然而,个别LLM预测精度不一,模型选择和校准度是提升预测性能的关键,同时LLM在时间跨度和现实场景适应性方面仍有挑战。
76 6
MIT等首次深度研究集成LLM预测能力:可媲美人类群体准确率
|
设计模式 算法 安全
TLS1.3的后量子算法集成
本实验带您了解TLS1.3的后量子算法集成。
507 0
|
12月前
|
开发工具 Android开发 iOS开发
AppsFlyer 研究(一)AppsFlyer SDK 集成(2)
AppsFlyer 研究(一)AppsFlyer SDK 集成
385 0
|
12月前
|
JSON Java 关系型数据库
Spring Boot 学习研究笔记(十三) Spring Data JPA与PostgreSQL的jsonb类型集成
Spring Boot 学习研究笔记(十三) Spring Data JPA与PostgreSQL的jsonb类型集成
241 0
|
12月前
|
Java API 网络架构
Spring Boot 学习研究笔记(六) -使用 Swagger 集成文档
Spring Boot 学习研究笔记(六) -使用 Swagger 集成文档
|
12月前
|
Java 测试技术 Spring
Spring Boot 学习研究笔记(五) -SpringBoot集成单元测试
Spring Boot 学习研究笔记(五) -SpringBoot集成单元测试
|
机器学习/深度学习 算法 机器人
【不确定非线性动力系统的优化算法】【动态集成系统优化与参数估计(DISOPE)技术】DISOPE + MOMENTUM + PARTAN 算法提高非线性动态系统的收敛性研究(Matlab代码实现)
【不确定非线性动力系统的优化算法】【动态集成系统优化与参数估计(DISOPE)技术】DISOPE + MOMENTUM + PARTAN 算法提高非线性动态系统的收敛性研究(Matlab代码实现)
|
数据挖掘
【鲁棒】使用概率轨迹的鲁棒集成聚类研究(Matlab代码实现)
【鲁棒】使用概率轨迹的鲁棒集成聚类研究(Matlab代码实现)
下一篇
无影云桌面