德克萨斯大学达拉斯分校(UTD)的物理学家和他们在耶鲁大学的合作者展示了一种原子级薄的智能量子传感器，它可以同时检测入射光波的所有基本特性。

这项研究成果于4月13日发表在《自然》杂志上，它展示了一种基于量子几何的新概念，可用于医疗保健、深空探索和遥感等应用领域。

该研究的通讯作者、UTD自然科学与数学学院物理学副教授Zhang Fan博士说：“我们对这项工作感到兴奋，因为一般当你想要表征光波时，你必须使用不同的仪器来收集信息，例如光的强度、波长和偏振状态。这些仪器体积庞大，会在光学平台上占据相当大的区域。”

他接着说：“但现在我们有一个设备，它是一种小而薄的芯片，可以在很短的时间内同时确定所有这些属性。”

二维材料具有周期性结构并且是原子级的薄。如果两层这样的材料并用小角度旋转扭曲堆叠在一起，则可以形成具有更大周期性的莫尔图案。这种莫尔超材料产生的电子特性与独立的单层或两个自然排列的层所表现的电子特性有着显着不同。

Zhang博士和他的同事用来展示他们新想法的传感设备包含两层相对扭曲的、天然存在的双层石墨烯，所以总共有四个原子层。

UTD物理学博士生、该研究的共同主要作者Patrick Cheung说：“莫尔超材料表现出所谓的体光伏效应，这是不寻常的。通常，你必须施加偏压才能在材料中产生任何电流。但在这里，完全没有施加偏压。我们只需在莫尔超材料上照射一盏灯，光线就会通过这种体光伏效应产生电流。光电压的幅度和相位都强烈依赖于光的强度、波长和偏振态。”

Zhang博士说，通过调整莫尔超材料，给定的入射光波产生的光电压会创建一个二维图形，这种图形是该波独有的，就像指纹一样，并且可以从中推断出波的特性，尽管这样做具有挑战性。

耶鲁大学Xia Fengnian博士实验室的研究人员构建并测试了该设备，他们在莫尔超材料的顶部和下方放置了两个金属板(或者说是门)。这两个门允许研究人员调整材料的量子几何特性，能将红外光波的特性编码为“指纹”。

然后，该团队使用卷积神经网络(一种广泛用于图像识别的人工智能算法)来解码指纹。

Cheung说：“我们从我们知道强度、波长和偏振的光开始，通过设备照射它并以不同的方式对其进行调整以生成不同的指纹。在使用大约10000个示例的数据集训练该神经网络后，该模型能够识别与这些指纹相关的模式。一旦它学得足够多，它就可以表征未知的光。”（编译:Qtech）