光源的识别在许多光子技术的发展中起着重要作用，如激光雷达、遥感和显微镜等。传统上，识别像太阳光、激光辐射或分子荧光这样多样化的光源需要数百万次的测量，尤其是在低光环境下，这限制了量子光子技术的实现。  在《应用物理评论》（Applied Physics Reviews）杂志上，研究人员展示了一种智能量子技术，可以大幅减少识别光源所需的测量次数。

该论文的作者Omar Magana-Loaiza表示："我们用相干光和热光的统计波动特征训练了一个人工神经元"。在研究人员用光源训练了人工神经元后，该神经元可以识别出与特定类型的光相关的潜在特征。

"一个神经元就足以将识别光源所需的测量次数从数百万次大幅减少到不到一百次，"该论文的通讯作者、研究员Chenglong You说。

随着测量次数的减少，研究人员可以更快地识别光源，在某些应用中，比如在显微镜下，他们可以限制光的损害，因为他们在测量时不需要照亮样品近乎多次。

"比如说，如果你在做一个带有微妙的荧光分子复合物的成像实验，你可以减少样品暴露在光下的时间，并最大限度地减少任何光损伤，"另一位合著者Roberto de J. León-Montiel说。

实验装置示意图

密码学是另一个可以证明这些发现有价值的应用。通常情况下，要生成一个密钥来加密电子邮件或信息，研究人员需要进行数百万次测量。"我们可以利用类似的神经元加速生成加密用的量子密钥，"Magana-Loaiza说。

由于激光光在遥感领域发挥着重要作用，这项工作还可以开发出一种新的智能激光雷达系统家族，能够识别从远处物体反射的被拦截或修改的信息。Lidar是一种遥感方法，通过用激光照射目标，用传感器测量反射的光线，测量与目标的距离。

"有了我们的技术，智能量子激光雷达系统被干扰的概率将大大降低。"他说。此外，从太阳光等环境光中分辨出激光雷达光子的可能性，将对低光照度下的遥感有重要意义。

论文链接：https://aip.scitation.org/doi/10.1063/1.5133846