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.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.