arXiv cs.AI· C. Z. Cao, J. Z. Han, M. Xiong, M. Deng, L. Wang, Q. Liu, X. Lv, M. Xue·· 13 小时前AI 评分29
强化学习实现原子 qudit 内禀非线性自旋动力学统一控制，用于磁力测量
Learning unified control of intrinsic nonlinear spin dynamics in atomic qudits for magnetometry
AI 导读
强化学习可将多能级原子磁力测量中的非线性 Zeeman（NLZ）效应从读出退化源转为持续计量资源。在 \(^{161}\mathrm{Dy}\) 的 \(f=21/2\) 能级中，仅用实验可获取的低阶自旋矩训练的策略在连续 NLZ 演化下稳定维持超过 \(4\,\mathrm{dB}\) 的固定轴自旋压缩。
正文 · AI 翻译
摘要：生成并保持具有计量学实用价值的量子态，是量子增强计量学中的核心挑战。在多能级原子的低场原子磁力测量中，非线性塞曼（NLZ）效应既是资源也是限制。它可以在单个原子 qudit 内产生内部自旋压缩，但在固定读出下，它也会旋转并扭曲与测量相关的正交分量，从而限制可用的计量增益。压缩轴和非线性演化本身都随时间变化，这使问题进一步复杂化。在此，我们表明强化学习可以将 NLZ 动力学从读出退化的来源转变为持续的计量资源。仅使用实验上可获取的低阶自旋矩，训练后的智能体就能为这类本质非线性传感动力学确定统一的控制策略。我们在 \(^{161}\mathrm{Dy}\) 的 \(f=21/2\) 流形中演示了该方法，学习到的策略能快速制备强压缩的内部态，并在连续 NLZ 演化下稳定超过 \(4\,\mathrm{dB}\) 的固定轴自旋压缩。计入态制备开销后，学习到的协议实现了 \(13.9\,\mathrm{pT}/\sqrt{\mathrm{Hz}}\) 的单原子磁场灵敏度，约超出标准量子极限 \(3\,\mathrm{dB}\)。我们的结果确立了基于学习的控制作为一种实验上可行的途径，可将多能级原子传感器中不可避免的内在非线性动力学转化为可操作的计量优势。
| 评论： | (6.5+3.5+4) 页，(4+4) 图 |
| 主题： | 量子物理 (quant-ph)；人工智能 (cs.AI) |
| 引用为： | arXiv:2603.28421 [quant-ph] |
| （或 arXiv:2603.28421v3 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.28421 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1103/j8yl-nn8x
链接到相关资源的 DOI |
提交历史
来自：Ming Xue [查看电子邮件]
[v1]
2026年3月30日星期一 13:29:45 UTC (400 KB)
[v2]
2026年4月28日星期二 13:31:48 UTC (1,645 KB)
[v3]
2026年10月28日星期三 11:06:23 UTC (1,754 KB)
来源：arXiv cs.AI · arxiv.org