Nazwa projektu Program  Wartość wnioskowanego projektu
Enhancing The Security Of Critical Infrastructures By Quantum Technologies (EIGENSTATE) European Defence Fund €259,968.60
Projekt EIGENSTATE opiera się na innowacyjnym podejściu, którego celem jest przeniesienie technologii kwantowych z laboratorium do praktycznego zastosowania poprzez stworzenie platformy różnych czujników kwantowych połączonych siecią zabezpieczoną kwantowo, która będzie mogła być odpowiednio wdrażana do konkretnych zastosowań.
W tym celu podejmiemy szereg działań: opracujemy przełomowe technologie na różnych poziomach TRL, zaprojektujemy i zrealizujemy innowacyjne produkty wspierające europejski przemysł, przeprowadzimy unikalne badania i zintegrujemy nasze wyniki, aby przezwyciężyć obecne ograniczenia. Skoncentrujemy nasze wysiłki na bezpieczeństwie infrastruktury krytycznej przed zagrożeniami CBRNe i przetestujemy naszą platformę w końcowej demonstracji w realistycznym scenariuszu, czego wynikiem będzie nowe narzędzie diagnostyczne o wielu zastosowaniach, nieograniczających się do obronności. W oparciu o obiecujące wyniki uzyskane przez członków konsorcjum w ostatnich projektach oraz wyjątkowe możliwości oferowane przez grupę złożoną z przedstawicieli środowisk akademickich, małych i średnich przedsiębiorstw z siedzibą w UE oraz kilku użytkowników końcowych, celem jest opracowanie zaawansowanych czujników kwantowych do lokalizacji i wykrywania celu, weryfikacja integralności infrastruktury za pomocą ultraczułych urządzeń kwantowych oraz dystrybucja uzyskanych wyników za pomocą protokołów zabezpieczonych kwantowo.
Projekt ten koncentruje się konkretnie na znaczącym postępie w zakresie najnowszych osiągnięć poprzez opracowanie innowacyjnych źródeł stanów kwantowych, zbadanie kilku podejść do obrazowania kwantowego w celu uzyskania użytecznych konfiguracji, umożliwienie pomiarów w zakresie od UV do MIR w oparciu o spektroskopię kwantową, zapewnienie zintegrowanej platformy do realistycznego wdrożenia w zakresie teledetekcji oraz wdrożenie algorytmów uczenia maszynowego do analizy danych. Ponieważ proponowana platforma ma stać się niezawodnym paradygmatem dla rzeczywistych scenariuszy, jej ostateczny wynik będzie również kompatybilny z istniejącymi technologiami klasycznymi.