由EECS副教授Boubacar Kanté和EECS教授Eli Yablonovitch领导的团队开发了一种基于机器学习的非线性和量子光学优化方法。
逆向设计传统上应用于线性光学系统,它通常会导致优化的结构不直观或实验上不切实际。
在这项发表在《光学》杂志上的研究中,研究人员试图使用一种新的非线性光子生成的逆向设计方法来应对这些挑战。
根据主要作者和研究生Zhetao Jia的说法,他们能够实现基于硅(半导体行业最常用的材料)中的自发四波混合的纠缠光子对源。
这种非线性量子光学方法有可能用于大规模通信和量子计算应用。