中科大利用AI实现基于里德堡原子多频率微波的精密探测

近日，中科大郭光灿院士团队在多频率微波传感上取得新进展，利用人工智能实现了基于里德堡原子多频率微波的精密探测，有助于基于里德堡原子的微波传感和通信。

a为原子能级图，b为实验装置图，c-e为神经网络层的示意图，图片来自中科大

由于里德堡原子具有较大的电偶极矩（电偶极矩可用于衡量电荷系统的整体极性），可以对微弱的电场产生很强的响应，因此它作为一个微波测量体系备受青睐，基于里德堡原子的多频微波电场测量在微波雷达和微波通信中具有广阔的应用前景。

然而，基于里德堡原子的微波测量领域还存在诸多科学问题亟待解决。其中，多频率微波接收是一项难题，因为多频率微波在原子中会引起复杂的干涉模式，严重干扰信号接收与识别。

近年来，中科大郭光灿院士团队中史保森、丁冬生课题组利用里德堡原子体系，聚焦量子模拟和量子精密测量科学研究，取得重要进展。此次，团队基于室温下的铷原子体系，利用里德堡原子作为微波天线及调制解调器，通过电磁诱导透明效应成功检测了相位调制的多频微波场（即频分复用的二进制相移键控信号，一种在数字通信中广泛使用信号传输方式），并将接收到的调制信号通过深度学习神经网络进行分析，实现多频微波信号的高保真解调，进一步检验了实验方案针对微波噪声的高鲁棒性。

图片来自《自然·通讯》(Nature communications)

团队有效解码了一个含噪声QR码的频分复用(FDM)相移键控信号，准确率高达99.32%。研究成果表明，基于深度学习增强的里德堡微波接收器可允许一次直接解码20路FDM信号，不需要多个带通滤波器及其它复杂电路。相关成果发表在《自然·通讯》(Nature communications)。

前述工作提出并实现了在不求解主方程的情况下，有效探测多频率微波电场的方案，既利用了里德堡原子的灵敏度优势，同时降低了噪声影响。该研究将原子传感与深度学习有机结合，为精密测量领域与神经网络的交叉结合提供了重要参考，还可应用于同时探测多个目标。

机器学习解码结果，a-c为训练时间不同时，深度学习模型对传输信号的恢复结果，图片来自中科大

审稿人对此评价：“该工作展示的结果对原子分子光物理学领域的其他研究人员非常有用，因为它显示了深度学习未来在原子系统量子增强传感中的应用。”

中科院量子信息重点实验室博士研究生刘宗凯为论文第一作者，丁冬生教授、史保森教授为共同通讯作者。前述研究获得科技部、基金委、中科院、安徽省重大科技专项以及中国科学技术大学资助。

标签：