中國科大郭光燦院士團隊在多頻率微波傳感上取得新進展。該團隊史保森、丁冬生課題組利用人工智能的方法實現了基于里德堡原子多頻率微波的精密探測，相關成果4月14日以“Deep learning enhanced Rydberg multifrequency microwave recognition”為題發表在國際知名學術期刊《Nature communications》上。

近日國務院發布的《計量發展規劃（2021-2035年）》提出在2035年建成以量子計量為核心，科技水平一流、符合時代發展需求和國際化發展潮流的國家現代化先進測量體系。由于里德堡原子具有較大的電偶極矩，可以對微弱的電場產生很強的響應，因此作為一個非常有前景的微波測量體系備受人們的青睞，取得了飛速發展。盡管如此，基于里德堡原子的微波測量領域還存在很多科學問題亟待解決，其中多頻率微波接收就是其中一項難題：這是因為多頻率微波在原子中會引起復雜的干涉模式，嚴重干擾了信號接收與識別。

近年來，史保森、丁冬生領導的科研團隊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，已取得了重要進展。在本工作中，團隊基于室溫銣原子體系，利用里德堡原子作為微波天線及調制解調器（如圖1所示），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（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），進而將接收到的調制信號通過深度學習神經網絡進行分析，實現了多頻微波信號的高保真解調，并進一步檢驗了實驗方案針對微波噪聲的高魯棒性。

圖1 (a)原子能級圖。(b)實驗裝置圖。(c-e)為神經網絡層的示意圖。(c)為一維卷積層(d)為雙向長短期記憶層(e)為全連接層。

該工作有效地解碼了一個含噪聲QR碼的FDM相移鍵控信號（如圖2所示），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路頻分復用(FDM)信號，不需要多個帶通濾波器和其他復雜電路。這項工作的創新之處在于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，同時也降低了噪聲的影響。該工作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交叉結合提供了重要參考。此外，該成果還可以應用于同時探測多個目標。

圖2 為機器學習解碼結果。(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。

該工作得到了審稿人的高度評價：“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。” (“The results presented here are very useful to other researchers in the field of AMO physics, because they can guide and inform future applications of deep learning to quantum-enhanced sensing with atomic systems.”)

中科院量子信息重點實驗室博士研究生劉宗凱為本文的第一作者，丁冬生教授、史保森教授為本文的共同通訊作者。該成果得到了科技部、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的資助。

文章鏈接：https://www.nature.com/articles/s41467-022-29686-7