识别光源在诸如LIDAR、遥感和显微镜等许多光子技术的发展中起着重要作用。传统上，识别像日光、激光辐射或分子荧光这样的不同光源，需要数百万次测量，特别是在低光环境中，这限制了量子光子技术的实际应用。在一份《应用物理评论》的论文中，研究人员展示了一种智能量子技术，能够大幅减少识别光源所需的测量数量。

路易斯安那州立大学物理系助理教授奥马尔·马加纳-罗伊扎博士说：“我们训练了一个具有连贯和热光特征的统计波动特征的人工神经元。”当研究人员用光源训练人工神经元后，神经元就能识别与特定类型的光有关的潜在特征。研究员说：“单个神经元就足以大幅减少测量数量，从而识别出从数百万到少于100个光源。”

由于测量量较少，研究人员可以更快地识别光源，在某些应用（如显微镜）中，他们可以限制光损伤，因为他们在开展测量时不必给样品做多少照明。墨西哥国立自治大学核科学研究院教授罗伯托·德·J·伦-蒙蒂尔说：“例如，如果你在用脆弱的荧光分子复合物做成像实验，就可以减少样品暴露在光下的时间，尽量减少任何光损伤。”

Magana-Loaiza博士表示，密码学是另一个有价值的应用。他说：“为了生成加密电子邮件或信息的密钥，你需要进行数百万次的测量。”“我们可以加快产生量子密钥，用于使用类似的神经元进行加密。”

“鉴于激光对遥感所起的重要作用，我们的工作有助于开发新一代智能LIDAR系统，能够识别从远程物体中反映的被截获或修改的信息，”博士说。你LIDAR是一种遥感方法，通过用激光照射靶子，用传感器测量反射光，测量靶的距离。

“利用我们的技术，智能量子LIDAR系统的干扰概率将大大降低。此外，将LIDAR光子从环境光（例如阳光）中区分的可能性，也将对低光级的遥感产生重要影响。