基于信号到图像 AI 模型在任意磁场下自动探测核自旋

量子传感器利用物质的量子特性实现具有前所未有的空间与频谱分辨率的测量。在这些传感器中，利用金刚石中氮空位（NV）中心的传感器具有室温工作的独特优势。然而，来自 NV 中心的信号通常很复杂，使得解释具有挑战性。这在低磁场场景中尤为突出，此时对系统建模的标准近似失效。此外，NV 信号具有显著的噪声成分。在本快报中，我们提出一种信号到图像的深度学习模型，能够自动推断 NV 传感器周围核自旋的数量以及传感器与核自旋之间的超精细耦合。我们的模型经训练可在各种磁场场景下有效工作，无需所涉核的先验知识，并设计用于处理含噪信号，从而在真实实验条件下实现对核环境的快速表征。通过详细的数值模拟，我们测试了模型在涉及不同核数场景下的性能，在估计的超精细常数中实现了小于 $2\ \rm{kHz}$ 的平均误差。