面向基于深度学习的磁噪声谱分辨成像
光学
2022-08-03 v1 应用物理
量子物理
摘要
近年来，色心在纳米尺度自旋传感中的应用进展，使得噪声谱学与扫描探针成像相结合成为表征任意材料体系的一条诱人途径。遗憾的是，从测得的探针信号表征环境磁场涨落的传统方法通常需要实验人员介入，从而复杂化了基于谱分辨噪声的自动化成像方案的实现。在此，我们探测了金刚石中色心在外部设计的随机磁信号存在下的响应，并实现了深度神经网络以系统性地提取关于其相关谱密度的信息。基于在不同类型刺激下的一系列连续测量，我们表明，我们的网络能够在广泛条件下以良好保真度高效重建底层涨落磁场的谱密度，且仅需极少量的测量数据集，即使在存在显著实验噪声的情况下亦如此。这些概念验证结果为将机器学习方法应用于基于色心的纳米尺度传感与成像创造了机遇。
引用
@article{arxiv.2208.01107,
title = {Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise},
author = {Fernando Meneses and David F. Wise and Daniela Pagliero and Pablo R. Zangara and Siddharth Dhomkar and Carlos A. Meriles},
journal= {arXiv preprint arXiv:2208.01107},
year = {2022}
}