Квантовые компьютеры могут считать быстрее суперкомпьютеров, а на фотонах - мельчайших частицах света - они станут ещё быстрее и экономичнее. Но массовое производство чипов, где фотоны работают как кубиты (квантовые биты, одновременно представляющие ноль и единицу), остаётся сложной задачей. Инженеры Университета Пердью ищут решения для квантовых фотонных интегральных схем.

Фотоны выигрывают у других частиц: они движутся со скоростью света, меньше подвержены нагреву и помехам, поэтому кубиты на их основе могут работать при комнатной температуре. Другим типам кубитов нужен сильный холод, что требует дополнительной энергии. Однако для практических расчётов нужны сотни или тысячи кубитов, а современные фотонные чипы такого масштаба пока не достигают.

Главная трудность - надёжный источник одиночных фотонов. В 2021 году исследователи показали в Science Advances, как испускать одиночные фотоны с помощью нитрида кремния - материала, ставшего стандартом для квантовых фотонных платформ. Традиционный метод спонтанного параметрического рассеяния даёт фотоны нестабильно и с низкой эффективностью. Подход команды при каждом прохождении лазерного луча через платформу испускает ровно один фотон при комнатной температуре из десятков точек. Эти точки - искусственные дефекты атомной структуры, ограничивающие излучение одним фотоном. Позже учёные показали, что могут управлять расположением и числом дефектов, встраивая их в наноразмерные столбики, что упрощает производство.

Другая проблема - фотоны плохо взаимодействуют друг с другом, поэтому ими трудно управлять переключателями. В прошлом году в Nature Nanotechnology команда сообщила о переключателе, работающем на уровне одиночных фотонов. В его основе оптическая нелинейность: один фотон управляющего луча выбивает электрон из кремния, тот запускает лавину электронов, меняющую показатель преломления материала. Пробный луч проходит через устройство только тогда, когда один фотон запустил лавину, что и позволяет переключать сигнал.

Ещё одно направление - борьба с декогеренцией, то есть потерей квантовых свойств из-за помех. В мае этого года в Nature Communications группа под руководством Александра Килдишева и Праншу Маана с участием Шалаева и Болтасевой показала, что декогеренция во времени имеет закономерность, которую можно выявить машинным обучением. Исследователи разработали алгоритм с механизмом памяти, предсказывающий будущие сдвиги частоты фотона (спектральную диффузию) и позволяющий заранее корректировать их, снижая такие сдвиги в изученных системах. Полностью избавиться от декогеренции нельзя, но её прогнозирование и управление могут уменьшить число ошибок и потребность в дополнительных кубитах. В дальнейшем команда планирует использовать методы статистической физики, чтобы лучше понять причины декогеренции и усовершенствовать модели.

Источник: Phys.org