基于无噪声数据集的自监督学习用于 Rydberg 微波传感器去噪
量子物理
2026-01-06 v1 原子物理
摘要
我们报告了一种用于 Rydberg 传感器的自监督深度学习框架，使其能够实现单次测量即达到多次测量平均相当的去噪效果。该框架无需干净参考信号（在量子感应中几乎不可能获得），即可通过在两个统计分布相同的噪声信号集上进行训练来实现。当在 Rydberg 感应数据集上评估时，该框架超越了小波变换和卡尔曼滤波，去噪效果等效于 10,000 组平均，同时将计算时间缩短了三个数量级。我们进一步在不同噪声配置下验证了性能，并量化了 U-Net 和 Transformer 架构的复杂度与性能之间的权衡，为优化 Rydberg 传感器系统中基于深度学习的去噪提供了可操作的指导。
引用
@article{arxiv.2601.01924,
title = {Self-Supervised Learning with Noisy Dataset for Rydberg Microwave Sensors Denoising},
author = {Zongkai Liu and Qiming Ren and Wenguang Yang and Yanjie Tong and Huizhen Wang and Yijie Zhang and Ruohao Zhi and Junyao Xie and Mingyong Jing and Hao Zhang and Liantuan Xiao and Suotang Jia and Ke Tang and Linjie Zhang},
journal= {arXiv preprint arXiv:2601.01924},
year = {2026}
}