ترجمه فارسی مقاله سنجش مغناطیسی با پهنای باند بالا مبتنی بر ماشین

چکیده

Recent years have seen significant growth of quantum technologies, and specifically quantum sensing, both in terms of the capabilities of advanced platforms and their applications. One of the leading platforms in this context is nitrogen-vacancy (NV) color centers in diamond, providing versatile, high-sensitivity, and high-resolution magnetic sensing. Nevertheless, current schemes for spin resonance magnetic sensing (as applied by NV quantum sensing) suffer from tradeoffs associated with sensitivity, dynamic range, and bandwidth. Here we address this issue, and implement machine learning tools to enhance NV magnetic sensing in terms of the sensitivity/bandwidth tradeoff in large dynamic range scenarios. We experimentally demonstrate this new approach, reaching an improvement in the relevant figure of merit by a factor of up to 5. Our results promote quantum machine learning protocols for sensing applications towards more feasible and efficient quantum technologies.

چکیده به فارسی (ترجمه ماشینی)

سالهای اخیر شاهد رشد قابل توجهی در فن آوری های کوانتومی و به طور خاص سنجش کوانتومی ، هم از نظر قابلیت های سیستم عامل های پیشرفته و چه کاربردهای آنها بوده است.یکی از سیستم عامل های پیشرو در این زمینه مراکز رنگی نیتروژن (NV) در الماس است و سنجش مغناطیسی همه کاره ، با حساسیت و با وضوح بالا را فراهم می کند.با این وجود ، طرح های فعلی برای سنجش مغناطیسی رزونانس چرخش (همانطور که توسط سنجش کوانتومی NV اعمال می شود) از مبادلات مرتبط با حساسیت ، دامنه پویا و پهنای باند رنج می برند.در اینجا ما به این موضوع می پردازیم و ابزارهای یادگیری ماشین را برای تقویت سنجش مغناطیسی NV از نظر حساسیت/تجارت پهنای باند در سناریوهای بزرگ پویا اجرا می کنیم.ما به طور تجربی این رویکرد جدید را نشان می دهیم ، و به پیشرفت در شکل مربوط به شایستگی با ضریب حداکثر 5 می رسیم. نتایج ما پروتکل های یادگیری ماشین کوانتومی را برای سنجش برنامه ها به سمت فن آوری های کوانتومی امکان پذیر و کارآمد تر می کند.