机器学习辅助的金刚石氮空位中心电子自旋读取
量子物理
2021-03-17 v1
摘要
机器学习是量子信息处理中发掘隐藏数据模式的强有力工具。此处，我们将此方法引入通过单光子收集的金刚石电子自旋态光学读取，并展示了室温下读取精度的提升。传统的时间门内光子计数求和法粗略地丢失了所有时序信息。我们发现改变门宽仅能优化对比度或态方差之一，无法兼得。相较之下，机器学习从时间分辨荧光数据自适应学习，并提供最优数据处理模型，该模型精细加权每个时间仓以最大化提取信息。结果表明，我们的方法可修复不完美数据带来的处理结果，在优化对比度的同时将自旋读取误差降低 7%。需注意，这些改进仅涉及记录光子时间迹线且不消耗额外实验时间，因而稳健且免费。我们的机器学习方法暗示了在精密测量与态的光学探测中的广泛应用。
引用
@article{arxiv.2102.08558,
title = {Machine-learning-assisted electron-spin readout of nitrogen-vacancy center in diamond},
author = {Peng Qian and Xue Lin and Feifei Zhou and Runchuan Ye and Yunlan Ji and Bing Chen and Guangjun Xie and Nanyang Xu},
journal= {arXiv preprint arXiv:2102.08558},
year = {2021}
}
备注
5 pagers, 4figures, comments are welcome