Leveraging Machine Learning for Developing On-Chip Quantum Sources with 2D Materials Integration

Enkeltfotonkilder er afgørende for kvanteteknologi, hvilket muliggør sikker kommunikation, præcise målinger og effektiv kvanteberegning. Nuværende teknologier til generering af enkeltfotonkilder lider dog af lav effektivitet, multifotonstøj og inhomogen udvidelse.Dette projekt har til formål at transformere kvanteteknologier ved at skabe en ny on-chip kvantelyskilde til integrerede kvanteenheder på en enkelt chip.Ved hjælp af 2D-supergitter har projektet til formål at generere højeffektive kvanteemittere, der ikke kan skelnes. Vi vil anvende maskinlæring (ML) til hurtigt at identificere monolags 2D-materialer, strukturel optimering og kvantemåling. Projektet kombinerer ekspertisen fra AAU's ML-specialister og DTU Electros 2D-fotonikeksperter for at nå sine ambitiøse mål.