據(jù)麥姆斯咨詢報道，來自布里斯托大學（University of Bristol）的研究人員通過將機器學習與量子傳感器相結合，實現(xiàn)了在室溫下以極高靈敏度檢測磁場的新高度。

　　這項發(fā)表在《Physical Review X》期刊上的研究成果或將使新一代核磁共振成像掃描儀（MRI scanners）可以使用磁場和無限電波來生成人體內部的詳細圖像，并在生物學和材料科學領域有進一步的潛在應用。

　　上述發(fā)現(xiàn)依靠機器學習技術和量子傳感裝置的組合得以實現(xiàn)，機器學習技術是指計算機像人類和動物一樣自然地適應和學習經(jīng)驗。

　　來自布里斯托大學量子工程和技術實驗室（Quantum Engineering and Technology Labs， QETLabs）的研究人員與烏爾姆大學（University of Ulm）量子光學研究所和微軟（Microsoft）合作，使用基于金剛石中氮空位（Nitrogen-vacancy， NV）中心的電子自旋量子傳感器證明了這一點。

　　氮空位中心是可以在金剛石中發(fā)現(xiàn)或產生的原子缺陷。它們可以實現(xiàn)單個電子相互作用，用于感測電場和磁場。它們獨特的高空間分辨率和靈敏度的組合能夠對單個神經(jīng)元活動進行監(jiān)測并映射到納米級的情景研究。然而，這種納米級核磁共振應用受限于當前最先進設備在室溫下的光學讀出噪聲。

　　布里斯托大學首席研究員Anthony Laing博士表示，“我們希望在新一代傳感實驗中部署我們的技術，以解開未開發(fā)的機制，其中實時跟蹤和增強靈敏度是探索納米級現(xiàn)象的關鍵因素?！?/p>

　　布里斯托大學量子光子學中心研究助理Raffaele Santagati博士指出，“我們展示了機器學習如何幫助克服這些限制，以精確跟蹤室溫下的波動磁場，這種靈敏度通常只存在于低溫傳感器。”

　　論文共同作者Antonio Gentile補充道，“在我們的論文中，我們展示了貝葉斯推理方法如何成功地從自然噪聲數(shù)據(jù)中學習磁場和其他重要的物理量。這將使我們能夠利用先進的數(shù)據(jù)處理，降低數(shù)據(jù)讀出過程的復雜性。”

　　在金剛石缺陷中發(fā)現(xiàn)的氮空位中心已經(jīng)被用于證明其感知能力，但是噪聲和不必要的相互作用可能會限制它們對現(xiàn)實場景的適用性。本項工作的研究結果展示了如何克服上述限制。