机器学习帮助量子传感迈上新台阶

据麦姆斯咨询报导，来自布里斯托大学（UniversityofBristol）的研究人员通过将机器学习与量子传感器结合，构建了在室温下以近于高灵敏度检测磁场的新高度。这项公开发表在《PhysicalReviewX》期刊上的研究成果或将使新一代核磁共振光学扫描仪（MRIscanners）可以用于磁场和无限电波来分解人体内部的详尽图像，并在生物学和材料科学领域有更进一步的潜在应用于。上述找到依赖机器学习技术和量子传感装置的人组以求构建，机器学习技术是指计算机像人类和动物一样大自然地适应环境和自学经验。

来自布里斯托大学量子工程和技术实验室（QuantumEngineeringandTechnologyLabs,QETLabs）的研究人员与乌尔姆大学（UniversityofUlm）量子光学研究所和微软公司（Microsoft）合作，用于基于金刚石中氮空位（Nitrogen-vacancy,NV）中心的电子自旋量子传感器证明了这一点。氮空位中心是可以在金刚石中找到或产生的原子缺失。它们可以构建单个电子相互作用，用作感测电场和磁场。

它们独有的高空间分辨率和灵敏度的人组需要对单个神经元活动展开监测并同构到纳米级的情景研究。然而，这种纳米级核磁共振应用于受限于当前最先进设备在室温下的光学朗读噪声。

布里斯托大学首席研究员AnthonyLaing博士回应，“我们期望在新一代传感实验中部署我们的技术，以找出并未研发的机制，其中动态追踪和强化灵敏度是探寻纳米级现象的关键因素。”布里斯托大学量子光子学中心研究助理RaffaeleSantagati博士认为，“我们展出了机器学习如何协助解决这些容许，以准确追踪室温下的波动磁场，这种灵敏度一般来说只不存在于低温传感器。”论文联合作者AntonioGentile补足道，“在我们的论文中，我们展出了贝叶斯推理方法如何顺利地从大自然噪声数据中自学磁场和其他最重要的物理量。这将使我们需要利用先进设备的数据处理，减少数据朗读过程的复杂性。

”在金刚石缺失中找到的氮空位中心早已被用作证明其感官能力，但是噪声和不必要的相互作用可能会容许它们对现实场景的适用性。本项工作的研究结果展出了如何解决上述容许。

本文来源：nba买球正规官方网站-www.xshangtu.com