用于 NV 中心逆向传感的神经场
机器学习
2026-05-15 v1 量子物理
摘要
科学传感中的逆问题通常使用手工设计的正则化器或在模拟标签上训练的监督网络来解决，但当正向模型是非线性的、光谱耦合的且物理上敏感时，这两种方法都可能失效。我们针对基于金刚石中氮空位 (NV) 中心的噪声传感研究了这一问题，其中量子传感器测量由稀疏自旋源产生的磁噪声谱。我们表明，用张量功率求和偶极算子替换常见的标量/相干正向近似，改变了逆向优化的景观，并揭示了自由密度优化中的中心坍缩失效模式。我们提出了 NeTMY，一种无摊销坐标神经场，与可微的 NV 正向模型耦合，并采用退火位置编码、多尺度优化、稀疏性/门控和谱保真度损失。在使用修正后的算子生成的稀疏合成重建中，NeTMY 在测试基准中实现了最佳定位和分布指标。机制实验表明，NeTMY 并不直接执行原始密度空间的梯度；其参数化平滑并重新分配了更新，从而减轻了中心坍缩病态。这些结果将 NV 量子传感定位为物理忠实的神经逆问题的有用测试平台。
引用
@article{arxiv.2605.13988,
title = {Neural Fields for NV-Center Inverse Sensing},
author = {Zhixuan Zhao and Tao Zhong and Yixun Hu and Nathalie P. de Leon and Christine Allen-Blanchette},
journal= {arXiv preprint arXiv:2605.13988},
year = {2026}
}
备注
33 pages, 16 figures