近日，中科大郭光燦院士團隊在多頻率微波傳感上取得新進展，利用人工智能實現了基于里德堡原子多頻率微波的精密探測，有助于基于里德堡原子的微波傳感和通信。

a為原子能級圖，b為實驗裝置圖，c-e為神經網絡層的示意圖，圖片來自中科大

由于里德堡原子具有較大的電偶極矩（電偶極矩可用于衡量電荷系統的整體極性），可以對微弱的電場產生很強的響應，因此它作為一個微波測量體系備受青睞，基于里德堡原子的多頻微波電場測量在微波雷達和微波通信中具有廣闊的應用前景。

然而，基于里德堡原子的微波測量領域還存在諸多科學問題亟待解決。其中，多頻率微波接收是一項難題，因為多頻率微波在原子中會引起復雜的干涉模式，嚴重干擾信號接收與識別。

近年來，中科大郭光燦院士團隊中史保森、丁冬生課題組利用里德堡原子體系，聚焦量子模擬和量子精密測量科學研究，取得重要進展。此次，團隊基于室溫下的銣原子體系，利用里德堡原子作為微波天線及調制解調器，通過電磁誘導透明效應成功檢測了相位調制的多頻微波場（即頻分復用的二進制相移鍵控信號，一種在數字通信中廣泛使用信號傳輸方式），并將接收到的調制信號通過深度學習神經網絡進行分析，實現多頻微波信號的高保真解調，進一步檢驗了實驗方案針對微波噪聲的高魯棒性。

圖片來自《自然·通訊》(Nature communications)

團隊有效解碼了一個含噪聲QR碼的頻分復用(FDM)相移鍵控信號，準確率高達99.32%。研究成果表明，基于深度學習增強的里德堡微波接收器可允許一次直接解碼20路FDM信號，不需要多個帶通濾波器及其它復雜電路。相關成果發表在《自然·通訊》(Nature communications)。

前述工作提出并實現了在不求解主方程的情況下，有效探測多頻率微波電場的方案，既利用了里德堡原子的靈敏度優勢，同時降低了噪聲影響。該研究將原子傳感與深度學習有機結合，為精密測量領域與神經網絡的交叉結合提供了重要參考，還可應用于同時探測多個目標。

機器學習解碼結果，a-c為訓練時間不同時，深度學習模型對傳輸信號的恢復結果，圖片來自中科大

審稿人對此評價：“該工作展示的結果對原子分子光物理學領域的其他研究人員非常有用，因為它顯示了深度學習未來在原子系統量子增強傳感中的應用。”

中科院量子信息重點實驗室博士研究生劉宗凱為論文第一作者，丁冬生教授、史保森教授為共同通訊作者。前述研究獲得科技部、基金委、中科院、安徽省重大科技專項以及中國科學技術大學資助。

關鍵詞：