量子傳感代表了量子技術(shù)最有前途的應(yīng)用之一，旨在利用量子資源來提高測量靈敏度。特別是，光學(xué)相位的傳感是研究最多的問題之一，被認(rèn)為是開發(fā)大規(guī)模生產(chǎn)技術(shù)設(shè)備的關(guān)鍵。

量子傳感器的最佳使用需要定期表征和校準(zhǔn)。一般來說，這種校準(zhǔn)是一項極其復(fù)雜和資源密集型的任務(wù)，尤其是在考慮用于估計多個參數(shù)的系統(tǒng)時，因為所需的測量量以及分析這些測量所需的計算時間。機器學(xué)習(xí)算法為解決這種復(fù)雜性提供了一個強大的工具。發(fā)現(xiàn)適合算法使用的協(xié)議對于開發(fā)用于精確量子增強測量的傳感器至關(guān)重要。

一種稱為“強化學(xué)習(xí)”(RL)的特定類型的機器學(xué)習(xí)算法依賴于由獎勵指導(dǎo)的智能代理：根據(jù)它獲得的獎勵，它學(xué)習(xí)執(zhí)行正確的操作以實現(xiàn)所需的優(yōu)化。使用RL算法優(yōu)化量子問題的首次實驗實現(xiàn)直到最近才被報道。他們中的大多數(shù)仍然依賴于描述系統(tǒng)的模型的先驗知識。相反，理想的是一種完全無模型的方法，當(dāng)代理的獎勵不依賴于顯式系統(tǒng)模型時，這是可能的。

據(jù)Advanced Photonics報道，來自羅馬Sapienza大學(xué)物理系和光子學(xué)與納米技術(shù)研究所(IFN-CRN)的一組研究人員最近開發(fā)了一種無模型方法，該方法將可能的應(yīng)用范圍擴大到自適應(yīng)多相位估計。該團(tuán)隊在高度可重構(gòu)的集成光子平臺中展示了其無模型方法的有效性。他們通過實驗性地采用RL算法來優(yōu)化多個參數(shù)的估計，并將其與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，該深度神經(jīng)網(wǎng)絡(luò)在每次測量后更新貝葉斯后驗概率分布。

該協(xié)議以完全黑盒的方式處理量子多參數(shù)傳感器，因為在任何步驟都不需要系統(tǒng)功能模型。重要的是，該團(tuán)隊證明了在資源有限的制度下，他們的實驗數(shù)據(jù)方案獲得了增強的性能，并將其與非自適應(yīng)策略進(jìn)行比較，從而實現(xiàn)了顯著更好的估計。

根據(jù)通訊作者，量子實驗室負(fù)責(zé)人Fabio Sciarrino的說法，“我們團(tuán)隊開發(fā)的協(xié)議為完全基于人工智能的量子傳感器邁出了重要的一步。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！