深度神经网络用于偏振靶标核磁共振测量
仪器与探测器
2026-05-12 v3 高能物理 - 唯象学
摘要
连续波核磁共振（CW-NMR）以恒定电流模式运行已作为固体动态偏振靶标在核物理和高能物理实验中进行偏振测量的基础技术数十年来，一直是至关重要的工具。传统的功率计（Q-计）基于相位敏感检测对于精确实时确定靶标偏振状态至关重要。然而，这些测量的准确性和可靠性常常因噪声水平升高、基线漂移以及信号隔离和拟合引起的系统不确定性而受到影响，最终降低了整体实验性能。本文报道了首次成功将神经网络架构应用于连续波NMR偏振计量的应用。通过利用先进的机器学习技术进行信号提取和去噪，我们在各种真实的模拟和实验条件下实现了显著降低拟合不确定性。这些改进直接 translated 为更稳健的实时（在线）偏振监控以及后续离线分析中的更高精度。通过减少分析引起的不确定性，该方法可以提高采用动态偏振靶标进行散射实验的有效性能，并为高能和核物理中的NMR偏振测量提供新的工具集。
引用
@article{arxiv.2603.10146,
title = {Polarized Target Nuclear Magnetic Resonance Measurements with Deep Neural Networks},
author = {Devin Seay and Ishara P. Fernando and Dustin Keller},
journal= {arXiv preprint arXiv:2603.10146},
year = {2026}
}