AI-gedreven kwantumtechnieken verhogen magnetometergevoeligheid zesvoudig

Onderzoekers ontwikkelen een nieuwe methode om magnetische velden te meten met kwantumsystemen en machine learning-technieken. Ze bereiken een gevoeligheid die 6 keer hoger is dan wat met conventionele technieken bereikt kan worden.

Grenzen van meting

Er zijn bepaalde grenzen aan hoe nauwkeurig men dingen kan meten. Neem een röntgenfoto: die is tamelijk vervaagd en vereist een expert arts om het correct te interpreteren. Hoogere intensiteit en langere bloottijden kunnen het contrast tussen weefsels verbeteren, maar dergelijke grote hoeveelheden straling zijn niet veilig voor mensen.

Je bent misschien bekend met de standaard kwantumlimiet, die stelt dat de nauwkeurigheid van meting omgekeerd evenredig is met de wortel van de gegeven bronnen. Hoe meer bronnen je toepast – stralingsvermogen, tijd, aantal beelden – hoe nauwkeuriger je meting wordt. Hogere precisie betekent dus het gebruik van uitgebreide bronnen.

Nu heeft een internationaal team natuurkundigen van MIPT, Aalto Universiteit, Landau Instituut en ETH Zürich Faculteit Natuurkunde een betere methode bedacht om magnetische velden te meten met kwantumsystemen en machine learning-technieken.

Ze demonstreerden een magnetometer met precisie boven de standaard kwantumlimiet. Laten we ontdekken hoe ze dit ontwikkelden.

Qubit gebruiken voor hoge gevoeligheid

Onderzoekers hebben de precisie van magnetische veldmetingen verbeterd door de coherentie van een qubit te benutten, een supergeleidend kunstmatig atoom. Het is een heel klein apparaat van overlappende aluminiumstrips op een siliciumchip – dezelfde techniek wordt gebruikt voor mobiele en computerprocessors.

Wanneer het apparaat blootgesteld wordt aan extreme lage temperaturen, stroomt de stroom er met bijna nul weerstand doorheen, en begint het apparaat kwantummechanische eigenschappen te vertonen vergelijkbaar met echte atomen. Feitelijk is het intrinsieke magnetische moment ongeveer 100.000 keer groter dan die van echte atomen/ionen.

De toestand van de qubit verandert wanneer het bestraald wordt met een microgolfpuls. Deze verandering hangt af van het extern toegepaste magnetische veld. Om het magnetische veld te kennen, hoef je dus alleen het atoom te meten.

In een qubit-gebaseerde magnetischevelddetector oscilleert de coherentie tussen 2 toestanden (coherente superposities van kwantumtoestanden) met de frequentie van het magnetische veld dat het apparaat doorpeneert. Hoe hoger de snelheid van golffunctie-faseverandering gemeten kan worden, hoe hoger de precisie.

Dit geeft echter geen nauwkeurigheid boven de standaard kwantumlimiet. Je moet een ander trucje toepassen: patroonherkenning met machine learning.

De onderzoekers pasten een adaptieve benadering toe. Ze voerden een meting uit en voeden het resultaat aan machine learning-algoritmes. Vervolgens lieten ze de AI beslissen hoe een controleparameter in de volgende stap aangepast moest worden om de snelste schatting van het magnetische veld te krijgen.

Dit maakte het mogelijk om een gevoeligheid te bereiken die ongeveer 6 keer hoger is dan wat met conventionele technieken bereikt kan worden.

Conclusie

Deze combinatie van kwantumhardware en gesuperviseerde machine learning-algoritmes in de context van kwantumsensing belooft enkele- of meerdere-qubit magnetometers die nauwkeurigheid kunnen bieden boven de grenzen van huidige magnetischevelddetectors.

Magnetischevelddetectie is cruciaal in een breed scala aan velden, van het visualiseren van hersenactiviteiten tot geologische verwerking. Het is een kleine stap richting het gebruik van kwantum-verbeterde methoden voor sensortechnologie.