Машинное обучение прокладывает путь для квантового зондирования следующего уровня

Квантовое зондирование и машинное обучение

Исследователи из Бристольского университета достигли новых высот в области обнаружения магнитных полей с чрезвычайной чувствительностью при комнатной температуре, сочетая машинное обучение с квантовым датчиком.

Результаты, опубликованные в Physical Review X, могут привести к созданию МРТ-сканеров нового поколения, которые используют магнитные поля и радиоволны для получения детальных изображений внутренней части тела, а также к дальнейшему потенциальному использованию в биологии и материаловедении. Эти результаты были достигнуты с использованием комбинации методов машинного обучения - когда компьютеры адаптируются и учатся на собственном опыте, как это делают люди и животные.

Исследователи из Лаборатории квантовой инженерии и технологий (QETLabs) в Университете Бристоля в сотрудничестве с Институтом квантовой оптики Университета Ульма и Microsoft продемонстрировали это с помощью квантового датчика, основанного на наборе электронов в азоте.

О появлении технологии

Азотно-вакансионные (NV) центры - это атомные дефекты, которые можно найти или создать по определенным технологиям в алмазе. Они позволяют взаимодействовать с отдельными электронами, которые, в свою очередь, могут использоваться для измерения как электрических, так и магнитных полей.

Их уникальное сочетание высокого пространственного разрешения и чувствительности привело к исследованию сценариев, в которых активность отдельных нейронов отслеживается и отображается на наноразмерном уровне. Однако такие наномасштабные применения ядерного магнитного резонанса ограничены шумом оптического считывания, доступным при комнатной температуре в современных установках.

О будущем

Доктор Энтони Лейнг, ведущий исследователь Бристольского университета, сказал: «Мы ожидаем, что использование наших методов может открыть неизведанные способы в новом поколении экспериментов по зондированию, где в реальном времени отслеживается повышение чувствительности, которая являются важной составляющей для изучения явлений на наноуровне.

Доктор Раффаэле Сантагати, научный сотрудник Центра квантовой фотоники Бристольского университета, сказал:«Здесь мы покажем, как машинное обучение может помочь преодолеть эти ограничения для точного отслеживания флуктуирующего магнитного поля при комнатной температуре с чувствительностью, обычно используемой для криогенных датчиков».

Соавтор Антонио Джентиле сказал: «В нашей статье мы показываем, как подход байесовского вывода может успешно изучать магнитное поле и другие важные физические величины из естественно зашумленных данных. Это позволяет нам снизить сложность процесса считывания данных за счет расширенной обработки данных».

Наномолекулы азота, обнаруженные в алмазах, уже использовались для демонстрации их способностей восприятия, но шум и нежелательные взаимодействия могут ограничивать их применимость в реальных ситуациях. Результаты, представленные в этой работе, показывают, как преодолеть эти ограничения.


Похожие материалы:

Комментарии (0)



Разрешённые теги: <b><i><br>Добавить новый комментарий: