深度学习增强的里德伯多频微波识别
量子物理
2022-04-18 v1 机器学习
原子物理
摘要
多频微波（MW）电场的识别具有挑战性，因为实际应用中多频场存在复杂干涉。基于里德伯原子的多频微波电场测量在微波雷达和微波通信中很有前景。然而，里德伯原子不仅对MW信号敏感，也对原子碰撞和环境的噪声敏感，这意味着光-原子相互作用的支配性Lindblad主方程因包含噪声和高阶项而求解复杂。在此，我们通过将里德伯原子与深度学习模型结合解决了这些问题，证明该模型利用了里德伯原子的敏感性，同时在不求解主方程的情况下降低了噪声影响。作为原理验证演示，深度学习增强的里德伯接收器可直接解码频分复用（FDM）信号。这类传感技术有望惠及基于里德伯的微波场传感与通信。
引用
@article{arxiv.2202.13617,
title = {Deep learning enhanced Rydberg multifrequency microwave recognition},
author = {Zong-Kai Liu and Li-Hua Zhang and Bang Liu and Zheng-Yuan Zhang and Guang-Can Guo and Dong-Sheng Ding and Bao-Sen Shi},
journal= {arXiv preprint arXiv:2202.13617},
year = {2022}
}