양자 정보 기술이 빠르게 발전하는 가운데, 단일광자 발광체의 정확하고 효율적인 분류는 무엇보다 중요하다. 광자 통계의 2차 상관 함수(2nd-order correlation function)를 획득하기 위해 시간 소요가 큰 Hanbury Brown–Twiss(HBT) 실험을 수행하는 전통적 방법은 효율적이지 않다. 본 연구는 공초점 형광 현미경 이미지에서 단일광자 발광체를 분류하기 위해 심층 합성곱 신경망(Deep Convolutional Neural Networks, CNNs)을 활용하는 선도적 해결책을 제시함으로써, 노동 집약적인 HBT 실험의 필요성을 우회한다. 다이아몬드의 질소-공위(nitrogen-vacancy, NV) 센터에 초점을 맞추어, 이 모델은 과거에 HBT 실험을 통해 분류된 발광체의 형광 이미지를 사용하여 학습된다. 분류되지 않은 형광 이미지에 적용한 결과, 해당 모델은 분류에서 최대 98%의 정확도를 달성하여 식별 과정을 실질적으로 가속한다. 이러한 성과는 분류 워크플로우를 보다 효율적으로 만들 뿐 아니라, 격리 확인을 위해 이미징이 필요한 다양한 색 중심(color centers) 및 고립 원자 시스템 전반으로의 적용 가능성을 더욱 넓힐 것으로 기대된다. 본 연구는 단일광자 발광체의 활용을 최적화하기 위해 딥러닝의 힘을 활용함으로써 양자 기술의 적용에 있어서 상당한 진전을 의미한다.

실리콘 카바이드(silicon carbide) 내 실리콘 빈자리(silicon vacancy)는 광자(qubit) 큐빗과 효과적으로 인터페이스할 수 있는 장수명 스핀 큐빗을 통해, 산업 친화적인 플랫폼에 내장된 유망한 양자 시스템으로 부상하고 있다. 그러나 3/2라는 독특한 스핀 양자수는 광학적 초기화로 준비되는 기저 상태 스핀 부수준들에 대한 통계적 혼합을 유발하여, 고충실도 스핀-광자 인터페이스로의 성공적인 적용을 저해한다. 최근의 실험적 돌파구는 전자 스핀 공명(electron spin resonance)을 이용하여 선택된 스핀 부수준들을 동시에 광학적으로 초기화하고 소모(depletion)함으로써 순수 상태(pure-state) 준비를 달성함으로써 이 문제에 대한 해결책을 제시하였다. 그럼에도 불구하고 이 과정의 근본 메커니즘은 아직 충분히 이해되지 않았으며, 결정적(deterministic) 초기화를 달성하기 위한 효율적인 방법은 아직 탐구되지 않았다. 본 연구에서는 완전한 속도(rate) 모델을 수립함으로써 선택적 초기화 과정을 포괄적으로 조사한다. 우리는 근본 메커니즘에 대한 상세한 설명을 제공하고, 사용된 실험 파라미터에 의해 강하게 좌우되는 초기화 충실도와 효율성 간의 트레이드오프를 규명한다. 다양한 범위의 실험 파라미터를 철저히 탐색한 결과, 99%를 초과하는 순수 상태 초기화 충실도를 가능하게 하는 최적의 초기화 과정을 찾아낸다. 본 연구는 실리콘 카바이드 내 실리콘 빈자리를 기반으로 하는 양자 반복기(quantum repeater)와 같은 고충실도 스핀-광자 인터페이스 응용을 달성하는 데 유용한 통찰을 제공한다.

결정 내의 광학적 활성 색중심은 양자 응용을 위한 중요한 구성 요소를 제공한다. 그러나 고굴절률 결정에 대한 기존 공초점 형광 현미경은 광자 수집 효율과 공간 분해능이 제한적이라는 문제를 겪는다. 여기서는 마이크로스피어 보조 공초점 현미경을 사용하여 다이아몬드 결함에 대한 고해상도, 고대비 이미징을 시연한다. 마이크로스피어는 점 결함에 대해 탁월한 광학적 인터페이스를 제공하며, 공간 분해능을 λ/5까지 증가시킬 뿐 아니라 광학적 신호대잡음비를 4배 향상시킨다.

우리는 실리콘 카바이드 나노와이어에서 점 결함-적층 장애 복합체(point defect-stacking fault complexes)로 이루어진 새로운 유형의 양자 발광체를 조사한다. 이들은 실리콘 카바이드에서 기록적으로 높은 밝기의 단일광자 방출을 보이며, 심지어 상온에서도 강한 제로포논 전이(zero-phonon transition)를 나타낸다.

마이크로스피어 보조 공초점 현미경을 구현함으로써, 고체 상태 결함 큐비트에 대한 고해상도 및 고대비 광학 인터페이스를 도입한다. 우리는 인접한 두 결함으로부터 단일 결함을 개별적으로 선택하여, 단일 광자뿐만 아니라 단일 스핀도 제어할 수 있다.

플라즈모닉 나노입자. 논문 번호 2314434에서 Hyeon-Ho Jeong과 동료 연구자들은 플라즈모닉 나노복합체 초구조를 제작하기 위한 손쉬운 물리적 삼중 공동증착(triple co-deposition) 방법을 제시한다. 여기서는 금속 나노입자를 유리 매트릭스에 내장하여, 무작위적이면서도 균일한 분포 특성을 보인다. 설계된 구조는 투명한 무색의 보이지 않음부터 선명한 전면(full) 색상에 이르기까지 이색성(dichroic) 색을 나타내며, 데이터 저장과 스테가노그래피(steganography)를 포함한 다양한 응용 분야의 나노광자 소자에 대한 가능성을 제공한다.

플라즈모닉 나노입자는 퇴색하지 않는 안료로서 생동감 있는 야외용 유리와 스마트 윈도우에 적용될 수 있으며, 뛰어난 공간 분해능으로 햇빛 아래에서 선명한 색상을 제공한다. 그러나 반사와 투과 양쪽에서 원하는 플라즈모닉 착색을 동시에 달성하면서도, 전 색상 영역(full‐color gamut)을 만족시키는 일은 특히 단일 제조 방법을 사용할 때 여전히 매우 어려운 과제이다. 본 연구에서는 이크로익(이중/삼중) 플라즈모닉 컬러 공학에 최적화된, 스케일 가능 플라즈모닉 초구조를 구축하기 위한 간편한 물리적 삼중 동시 증착(physical triple co‐deposition) 방법을 제시한다. 이러한 일체형(all‐in‐one) 플라즈모닉 초구조의 핵심 특징은 투과 및 반사 모드에서의 광범위한 색 성능으로, 600 nm를 초과하는 파장 범위 전반에서 투명한 무색에 가까운 상태부터 선명한 완전 색에 이르기까지 스펙트럼을 아우른다. 이러한 탁월한 착색 충실도는 플라즈모닉 나노입자가 유리 매트릭스 내에 무작위이지만 균일한 분포로 포함된 3D 적층 나노복합체에서 기인한다. 계층별(레이어‐by‐레이어) 색 채색을 기반으로 한 조합형 플라즈모닉 초구조를 통해, 다채로운 데이터 저장 및 스테가노그래피에 유용한 웨이퍼 스케일의 풍부하고 역동적인 컬러 이미지를 구현한 결과를 보여준다.

우리는 육방정계 탄화규소(4H-SiC)에서 음전하를 띤 실리콘 공석(VSi−) 센터의 여기상태(ES)와 바닥상태(GS)를 광학적으로 검출된 자기공명(optically detected magnetic resonance, ODMR)으로 특성화하여 열측정 양자 센서를 구현하였다. ODMR 신호에서 ES와 GS 사이의 대비가 반전되는 현상을 관측했으며, 4H-SiC에서 스핀 상태의 에너지 준위가 미치는 영향을 규명하였다. 또한 VSi− 센터의 ES ODMR 신호가 온도에 의존하며, 무자기장 분할(zero-field splitting, ZFS)에서 0 K에서 2 MHz/K의 열적 천이가 나타남을 확인하였다. 이에 따라 우리는 양성자 빔 기록(proton beam writing)으로 4H-SiC p–n 다이오드 내에 VSi− 센터의 마이크로스케일 점(dots)을 제작하고, 주입 전류에 의해 유도된 온도 변화를 측정함으로써 열측정 양자 센서의 구동을 시연하였다. 본 시연은 향후 응용을 위해 SiC 전력 소자 내부의 원자 크기 열전달/온도계(thermometer) 개발을 위한 길을 열어준다.

여기서는 마이크로스피어 보조 공초점 현미경을 이용하여 결함에 대한 고해상도, 고대비 영상을 구현하는 방법을 제시한다. 마이크로스피어는 점 결함에 대해 우수한 광학적 계면을 제공하며, 가상 확대 이미지를 통해 공간 해상도와 광학 신호 대 잡음비를 향상시킨다.

양자 정보 기술이 빠르게 발전하는 가운데, 단일광자 발광체의 정확하고 효율적인 분류는 무엇보다 중요하다. 광자 통계의 2차 상관 함수(2nd-order correlation function)를 획득하기 위해 시간 소요가 큰 Hanbury Brown–Twiss(HBT) 실험을 수행하는 전통적 방법은 효율적이지 않다. 본 연구는 공초점 형광 현미경 이미지에서 단일광자 발광체를 분류하기 위해 심층 합성곱 신경망(Deep Convolutional Neural Networks, CNNs)을 활용하는 선도적 해결책을 제시함으로써, 노동 집약적인 HBT 실험의 필요성을 우회한다. 다이아몬드의 질소-공위(nitrogen-vacancy, NV) 센터에 초점을 맞추어, 이 모델은 과거에 HBT 실험을 통해 분류된 발광체의 형광 이미지를 사용하여 학습된다. 분류되지 않은 형광 이미지에 적용한 결과, 해당 모델은 분류에서 최대 98%의 정확도를 달성하여 식별 과정을 실질적으로 가속한다. 이러한 성과는 분류 워크플로우를 보다 효율적으로 만들 뿐 아니라, 격리 확인을 위해 이미징이 필요한 다양한 색 중심(color centers) 및 고립 원자 시스템 전반으로의 적용 가능성을 더욱 넓힐 것으로 기대된다. 본 연구는 단일광자 발광체의 활용을 최적화하기 위해 딥러닝의 힘을 활용함으로써 양자 기술의 적용에 있어서 상당한 진전을 의미한다.

실리콘 카바이드(silicon carbide) 내 실리콘 빈자리(silicon vacancy)는 광자(qubit) 큐빗과 효과적으로 인터페이스할 수 있는 장수명 스핀 큐빗을 통해, 산업 친화적인 플랫폼에 내장된 유망한 양자 시스템으로 부상하고 있다. 그러나 3/2라는 독특한 스핀 양자수는 광학적 초기화로 준비되는 기저 상태 스핀 부수준들에 대한 통계적 혼합을 유발하여, 고충실도 스핀-광자 인터페이스로의 성공적인 적용을 저해한다. 최근의 실험적 돌파구는 전자 스핀 공명(electron spin resonance)을 이용하여 선택된 스핀 부수준들을 동시에 광학적으로 초기화하고 소모(depletion)함으로써 순수 상태(pure-state) 준비를 달성함으로써 이 문제에 대한 해결책을 제시하였다. 그럼에도 불구하고 이 과정의 근본 메커니즘은 아직 충분히 이해되지 않았으며, 결정적(deterministic) 초기화를 달성하기 위한 효율적인 방법은 아직 탐구되지 않았다. 본 연구에서는 완전한 속도(rate) 모델을 수립함으로써 선택적 초기화 과정을 포괄적으로 조사한다. 우리는 근본 메커니즘에 대한 상세한 설명을 제공하고, 사용된 실험 파라미터에 의해 강하게 좌우되는 초기화 충실도와 효율성 간의 트레이드오프를 규명한다. 다양한 범위의 실험 파라미터를 철저히 탐색한 결과, 99%를 초과하는 순수 상태 초기화 충실도를 가능하게 하는 최적의 초기화 과정을 찾아낸다. 본 연구는 실리콘 카바이드 내 실리콘 빈자리를 기반으로 하는 양자 반복기(quantum repeater)와 같은 고충실도 스핀-광자 인터페이스 응용을 달성하는 데 유용한 통찰을 제공한다.

결정 내의 광학적 활성 색중심은 양자 응용을 위한 중요한 구성 요소를 제공한다. 그러나 고굴절률 결정에 대한 기존 공초점 형광 현미경은 광자 수집 효율과 공간 분해능이 제한적이라는 문제를 겪는다. 여기서는 마이크로스피어 보조 공초점 현미경을 사용하여 다이아몬드 결함에 대한 고해상도, 고대비 이미징을 시연한다. 마이크로스피어는 점 결함에 대해 탁월한 광학적 인터페이스를 제공하며, 공간 분해능을 λ/5까지 증가시킬 뿐 아니라 광학적 신호대잡음비를 4배 향상시킨다.

우리는 실리콘 카바이드 나노와이어에서 점 결함-적층 장애 복합체(point defect-stacking fault complexes)로 이루어진 새로운 유형의 양자 발광체를 조사한다. 이들은 실리콘 카바이드에서 기록적으로 높은 밝기의 단일광자 방출을 보이며, 심지어 상온에서도 강한 제로포논 전이(zero-phonon transition)를 나타낸다.