Soutenance de thèse
Accélérateurs de particules sur puce
C2N - Centre de Nanosciences et de Nanotechnologies, , PalaiseauSoutenance de thèse
La présente thèse explore le développement d’un accélérateur de particules miniaturisé intégré sur une puce en silicium, en réponse aux défis posés par les infrastructures colossales et les coûts élevés des accélérateurs conventionnels (CERN, XFEL, SOLEIL). S’appuyant sur le concept des accélérateurs lasers diélectriques, le dispositif proposé exploite l’interaction entre un faisceau d’électrons et un champ électrique confiné dans une cavité à cristal photonique. Ce principe repose sur l’accord de phase entre la vitesse des électrons et celle du champ, rendu possible grâce à une conception précise de nanostructures en silicium suspendu, offrant un fort confinement optique, un faible volume modal et une compatibilité avec les techniques de fabrication de l’industrie des semi-conducteurs. Le travail de recherche comprend : la conception et la modélisation des cristaux photoniques pour optimiser l’accord de phase et le transfert d’énergie, le développement d’une solution innovante de couplage optique par injection fibrée adaptée aux contraintes d’un microscope électronique à transmission et la mise en place d'une solution technologique afin d'éviter l'accumulation de charges sur la structure lors du passage du faisceau d'électrons. Les structures ont été fabriquées en salle blanche par des techniques avancées de nanofabrication. Les dispositifs réalisés ont été caractérisés par des mesures de leur facteur de qualité, de leur fréquence de résonance et par des expériences d’EELS, permettant d’évaluer l’efficacité du couplage entre les électrons et les modes des cavités. L’efficacité du couplage optique de la structure fibre-puce développée a également été mesurée afin d’optimiser les performances du dispositif. Les résultats obtenus dans cette thèse contribuent de manière générale à la photonique silicium et plus particulièrement à la démonstration du fort potentiel des structures développées pour l’accélération de particules sur puce et ouvrent la voie à des applications prometteuses en physique des hautes énergies, en imagerie et dans le développement de sources de rayonnement compactes.
(en anglais) High-fidelity photonic quantum information : protocols and universal circuit control
C2N - Centre de Nanosciences et de Nanotechnologies, , PalaiseauSoutenance de thèse
Abstract
In this PhD thesis, we advance integrated photonics for quantum information processing by improving the calibration and control of photonic integrated circuits (PICs). PICs enable compact and stable light manipulation for a wide range of applications in optics. We demonstrate quantum protocols on specialized PICs, including the first on-chip certified randomness generation and high-fidelity 4-GHZ state tomography. In universal PIC architectures, we develop a machine learning-assisted characterization technique to mitigate hardware imperfections, achieving a record 99.77% fidelity in unitary operations on a 12-mode interferometer. Finally, we refine crosstalk models and propose a robustness criterion for interferometer design, enhancing PIC control accuracy. Our results, including a patented machine learning-based method, contribute to both quantum and classical integrated photonics, advancing scalable photonic quantum computing.
Figure : Photonic integrated circuits (PICs) consist of waveguides (blue lines) guiding light across a slab of transparent material. PICs often exhibit various imperfections resulting from fabrication constraints, tolerances, and operation wavelength, illustrated here on a simplified PIC. In general, input and output ports have different optical transmissions. In addition, the actual beamsplitter reflectivity values deviate from the target. Phase shifters (purple components) dissipating heat entail that all the implemented physical phase shifts depend on all the applied voltages. Finally, optical path variations lead to non-zero phase shifts even without any voltages applied. We use machine-learning to find suitable values for each of these parameters.