相关实验视频
Updated: Jun 8, 2026

15:47
Nanofabrication of Gate-defined GaAs/AlGaAs Lateral Quantum Dots
Published on: November 1, 2013
16.2K
量子纳米光子学中的反向设计:结合局部密度状态和深度学习
Guang-Xin Liu1, Jing-Feng Liu1, Wen-Jie Zhou2
1College of Electronic Engineering and College of Artificial Intelligence, South China Agricultural University, Guangzhou 510642, China.
Nanophotonics (Berlin, Germany)
|December 5, 2024
概括
这项研究为量子纳米光子学引入了一个新的深度学习框架. 它使用神经网络来设计纳米光子结构,以改善自发发射和纠等量子效应.
科学领域:
- 量子纳米光子学 量子纳米光子学
- 光学工程的光学工程.
- 深度学习应用程序深度学习应用程序
背景情况:
- 纳米光子结构通常集中在光物质相互作用上.
- 量子纳米光子引入量子发射器 (QE),使光物相互作用复杂化.
- 量子功能的特征取决于QE属性和电磁环境 (局部密度状态,LDOS).
研究的目的:
- 开发一个广义的反向设计框架用于量子纳米光子学.
- 利用LDOS作为纳米光子结构和量子功能特征之间的桥梁.
- 展示该框架在设计特定量子现象的纳米光子结构中的应用.
主要方法:
- 使用LDOS开发了一个通用的反向设计框架.
- 应用完全连接的神经网络为特定纳米结构 (多层外金属纳米粒子,SMNP) 建模LDOS.
- 根据LDOS对所需量子特征进行反向设计和优化SMNP几何.
主要成果:
- 通过神经网络成功模拟了LDOS.
- 优化了SMNP几何,以实现特定的量子功能特征.
- 证明了该框架在解决自发排放和纠方面的有效性.
结论:
- 介绍了量子光学的深度学习,用于先进的量子设备设计.
- 为使用深度学习来设计复杂问题的纳米光子结构提供了一个新的平台.
- 建立了一种设计纳米光子结构而没有直接结构功能联系的方法.

