机器学习增强的量子传感器用于高精度磁场成像
量子物理
2022-09-09 v1 材料科学
机器学习
摘要
磁场的局部探测对于表征纳米与微米材料至关重要，并已利用多种扫描技术甚至金刚石量子传感器实现。金刚石纳米颗粒（纳米金刚石）提供了获得高空间分辨率的诱人机会，因为它们只需附着于目标表面即可轻易靠近至几十 nm 内。针对这种随机取向的纳米金刚石系综（NDE）已有物理模型，但实际实验条件的复杂性仍限制了推导磁场的精度。在此，我们展示了结合 NDE 与机器学习、无任何物理模型下达到 1.8 T 高精度的磁场成像。我们还发现了 NDE 信号的场方向依赖性，暗示了其在矢量磁力测量及改进现有模型方面的潜在应用。我们的方法进一步丰富了 NDE 的性能，以实现可视化原子层材料中介观电流与磁性的精度，并扩展其在任意形状材料（包括生物体）中的适用性。该成果将桥接机器学习与量子传感以实现精确测量。
引用
@article{arxiv.2202.00380,
title = {Machine-learning-enhanced quantum sensors for accurate magnetic field imaging},
author = {Moeta Tsukamoto and Shuji Ito and Kensuke Ogawa and Yuto Ashida and Kento Sasaki and Kensuke Kobayashi},
journal= {arXiv preprint arXiv:2202.00380},
year = {2022}
}
备注
29 pages, 10 figures