中国科大郭光灿院士团队在多频率微波传感上取得新进展。该团队史保森、丁冬生课题组利用人工智能的方法实现了基于里德堡原子多频率微波的精密探测，相关成果4月14日以“Deep learning enhanced Rydberg multifrequency microwave recognition”为题发表在国际知名学术期刊《Nature communications》上。
近日国务院发布的《计量发展规划（2021-2035年）》提出在2035年建成以量子计量为核心，科技水平一流、符合时代发展需求和国际化发展潮流的国家现代化先进测量体系。由于里德堡原子具有较大的电偶极矩，可以对微弱的电场产生很强的响应，因此作为一个非常有前景的微波测量体系备受人们的青睐，取得了飞速发展。尽管如此，基于里德堡原子的微波测量领域还存在很多科学问题亟待解决，其中多频率微波接收就是其中一项难题：这是因为多频率微波在原子中会引起复杂的干涉模式，严重干扰了信号接收与识别。
近年来，史保森、丁冬生领导的科研团队利用里德堡原子体系，聚焦量子模拟和量子精密测量科学研究，已取得了重要进展。在本工作中，团队基于室温铷原子体系，利用里德堡原子作为微波天线及调制解调器（如图1所示），通过电磁诱导透明效应成功检测了相位调制的多频微波场（频分复用的二进制相移键控信号，一种在数字通信中广泛使用信号传输方式），进而将接收到的调制信号通过深度学习神经网络进行分析，实现了多频微波信号的高保真解调，并进一步检验了实验方案针对微波噪声的高鲁棒性。
图1 (a)原子能级图。(b)实验装置图。(c-e)为神经网络层的示意图。(c)为一维卷积层(d)为双向长短期记忆层(e)为全连接层。
该工作有效地解码了一个含噪声QR码的FDM相移键控信号（如图2所示），准确率高达99.32%。研究成果表明，基于深度学习增强的里德堡微波接收器可允许一次直接解码20路频分复用(FDM)信号，不需要多个带通滤波器和其他复杂电路。这项工作的创新之处在于提出并实现了在不求解主方程的情况下，有效探测多频率微波电场的方案，既利用了里德堡原子的灵敏度优势，同时也降低了噪声的影响。该工作将原子传感与深度学习有机结合，为精密测量领域与神经网络交叉结合提供了重要参考。此外，该成果还可以应用于同时探测多个目标。
图2 为机器学习解码结果。(a-c)为训练时间不同时，深度学习模型对传输信号的恢复结果。
该工作得到了审稿人的高度评价：“该工作展示的结果对原子分子光物理学领域的其他研究人员非常有用，因为它显示了深度学习未来在原子系统量子增强传感中的应用。” (“The results presented here are very useful to other researchers in the field of AMO physics, because they can guide and inform future applications of deep learning to quantum-enhanced sensing with atomic systems.”)
中科院量子信息重点实验室博士研究生刘宗凯为本文的第一作者，丁冬生教授、史保森教授为本文的共同通讯作者。该成果得到了科技部、基金委、中科院、安徽省重大科技专项以及中国科学技术大学的资助。
文章链接：[backcolor=transparent !important]https://www.nature.com/articles/s41467-022-29686-7
提升卡
变色卡
显身卡
楼主