Методы повышения чувствительности и точности квантовых датчиков.Улучшение квантовых сенсоров — это совокупность методов, направленных на повышение чувствительности и точности квантовых датчиков за пределы их стандартных ограничений. Такие датчики используют квантовые явления — суперпозицию, запутанность и дискретные энергетические уровни — для измерения физических величин, таких как магнитные поля, время или гравитационные волны, с исключительной точностью. Сложность в том, что квантовые системы хрупки и подвержены шумам, поэтому методы улучшения часто включают хитроумные способы использования или подавления шума, а не просто его устранения.
Эта область выросла из работ 1980-х годов по сжатым состояниям света и разработок 1990-х годов по атомной интерферометрии. Термин «квантовое зондирование» стал широко использоваться в 2010-х годах, когда созрели практические устройства, такие как магнитометры на NV-центрах и атомные часы.
Один из распространённых подходов — использование квантового сжатия, при котором неопределённость одной переменной уменьшается за счёт увеличения другой, что повышает точность измерений в нужном направлении. Другой метод — воздействие на датчик тщательно подобранными импульсами, такими как спиновое эхо или динамическое размагничивание, для подавления шумов окружающей среды. Недавние исследования также показывают, что добавление контролируемого шума или использование диссипативных процессов может парадоксальным образом повысить чувствительность, например, за счёт диссипативной динамики для усиления слабых сигналов. Ключевая задача — управлять квантовым состоянием так, чтобы оно сильнее реагировало на целевой сигнал, оставаясь устойчивым к возмущениям.
Улучшенные квантовые датчики используются в детекторах гравитационных волн, таких как LIGO, в медицинской визуализации для магнитоэнцефалографии и в навигационных системах, основанных на сверхточных атомных часах.
Некоторые квантовые датчики способны обнаруживать магнитные поля настолько слабые, что они в миллиард раз слабее магнитного поля Земли, что позволяет им улавливать сигналы от одиночного нейрона, срабатывающего в мозге.
| P(k) | переменная | Возмущенный спектр мощности — спектр мощности м³ |
| P_0(k) | переменная | Фоновый спектр мощности — спектр мощности м³ |
| A | переменная | Амплитуда пика — амплитуда |
| k | переменная | Волновое число — волновое число 1/м |
| k_0 | переменная | Центральное волновое число пика — волновое число 1/м |
| σ | переменная | Ширина пика в log-k — width |
| exp | оператор | Экспоненциальная функция — exponential |
| log | оператор | Натуральный логарифм — логарифм |
| n | переменная | плотность (или управляющий параметр) — number density 1/м³ |
| R | переменная | измеряемый индикатор (отклик) |
| arg max | оператор | аргумент максимума: значение n, максимизирующее выражение — argmax operator |
| d log R / d log n | оператор | логарифмическая производная R по n, измеряющая относительную чувствительность — логарифмическая производная |
| \theta_k | переменная | Вектор параметров на итерации k — parameter vector |
| \theta_{k+1} | переменная | Обновленный вектор параметров на итерации k+1 — parameter vector |
| \alpha_k | переменная | Скорость обучения (величина шага) на итерации k — скорость обучения |
| f(\theta_k) | переменная | Целевая функция, вычисленная в точке \theta_k — objective function |
| \nabla_\theta | оператор | Вычисляет вектор частных производных по каждому параметру — gradient operator |
