خبر

یادگیری ماشین در خدمت سطح بالاتری از حسگرهای کوانتومی

Machine Learning paves the way for next-level quantum sensing

 

پژوهشگران دانشگاه بریستول با ترکیب یادگیری ماشین با یک حسگر کوانتومی به قله های جدیدی از مهارت در آشکارسازی با حساسیت بالا در دمای اتاق میدان های مغناطیسی شده اند.

این یافته ها که در Physical Review X به چاپ رسیده است می توانند به نسل جدیدی از پویشگرهای MRI که از میدان های مغناطیسی و امواج رادیویی برای تولید تصاویر دقیق از درون بدن استفاده می کنند منجر شوند و همچنین، پتانسیل استفاده در زیست شناسی و علم مواد را دارند.

این یافته ها با استفاده از ترکیب تکنیک های یادگیری ماشین—که در آن رایانه ها مانند آنچه انسان ها و حیوانات به طور طبیعی انجام می دهند خودشان را با تجربه وفق می دهند و از آن یاد می گیرند—با سیستم های حسگری کوانتومی به دست آمده اند.

پژوهشگران آزمایشگاه های فناوری و مهندسی کوانتومی (QETLabs) در دانشگاه بریستول، در همکاری با پژوهشکده اپتیک کوانتومی دانشگاه اُلم و مایکروسافت، این موضوع را با استفاده از یک حسگر کوانتومی بر اساس الکترون-اسپین در مرکز تهی جای-نیتروژن در یک الماس اثبات کرده اند.

مراکز تهی جای-نیتروژن، نقص هایی اتمی هستند که می توانند در یک الماس یافت یا تولید شوند. آنها امکان برهمکنش با تک-الکترون را فراهم می کنند که به نوبه خود می تواند برای اندازه گیری میدان های الکتریکی یا مغناطیسی به کار برده شود. ترکیب بی نظیر رزولوشن فضایی و حساسیت بالای آنها منجر به طرح سناریوی نمایش و نگاشت فعالیت تک-نورون ها در مقیاس نانو شده است. با این وجود، چنین کاربردهای تشدید مغناطیسی هسته ای نانومقیاس در ستاپ های پیشرفته به وسیله نویز خروجی اپتیکی موجود در دمای اتاق محدود می شود.

دکتر آنتونی لیینگ، پژوهشگر سرپرست در دانشگاه بریستول، گفت: “ما انتظار داریم که به کارگیری تکنیک ما بتواند نواحی کشف نشده ای را در نسل جدیدی از آزمایش های حسگری که در آنها پایش پیوسته و حساسیت های تقویت شده از مؤلفه های اساسی برای کاوش پدیده ها در مقیاس نانو هستند کشف کند.”

دکتر رافائله سانتاگاتی، پژوهشگر همکار در مرکز فوتونیک کوانتومی دانشگاه بریستول، گفت: “در اینجا ما نشان می دهیم که یادگیری ماشین چگونه می تواند به غلبه بر این محدودیت هایی که بر پایش دقیق یک میدان مغناطیسی در حال افت و خیز در دمای اتاق، با حساسیتی نوعی که در حسگرهای دمای پایین مورد انتظار است کمک کند.”

نویسنده همکار، آنتونیو جنتایل، گفت: “ما در مقاله نشان می دهیم که چگونه یک رویکرد استنباط بیزی می تواند به طور موفقیت آمیز میدان مغناطیسی و کمیت های فیزیکی مهم دیگر را با استفاده از داده های نویزدار طبیعی تشخیص دهد. این موضوع این اجازه را به ما می دهد که پیچیدگی پردازش داده های خروجی را با استفاده از پردازش داده پیشرفته تعدیل کنیم.”

مراکز تهی جای-نیتروژن که در ناکاملی های الماس پیدا می شوند، تاکنون به دلیل ظرفیت های حسگری شان مورد استفاده قرار گرفته اند ولی نویز و برهمکنش های ناخواسته می تواند کاربری آنها در سناریوهای دنیای واقعی را محدود کند. نتایج ارائه شده در این کار نشان می دهد که چگونه می توان بر این محدودیت ها فائق آمد.

 

منبع:

bristol.ac.uk

 

تاریخ انتشار خبر در منبع فوق:

2 مه 2019

 

گردآوری:

قائم محمودی

ویرایش:

مهندس اشکان دیوبند

برچسب ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا
بستن