量子科技中心_量科网

表征金刚石氮空位单中心局域自旋环境是量子传感、量子网络和金刚石材料优化的关键任务。该研究团队提出了NVRNet——一种融合物理原理的仿真到现实处理流程，该系统能将快速采集的含噪声拉姆齐光致发光(PL)轨迹映射为去噪波形，并直接输出对环境13C自旋超精细耦合的估计值。该去噪器采用双级联结构：先通过时频UNet处理，再接入注意力增强的时域UNet，其预训练基于哈密顿量模拟数据和经实验校准的噪声。在三个NV中心样本上，这种“仿真预训练-实验微调”的去噪器将少扫描实验轨迹的中值重建误差降至原始噪声数据的0.44-0.67倍。基于仿真标签训练的Transformer估计器可预测超精细参数，通过前向重建能从推断参数复现实验数据的主要时频域特征，典型归一化FFT重建误差为0.10-0.19。这些结果表明，NVRNet为基于最小拉姆齐数据实现超精细参数推断提供了一条快速且兼容现有硬件的技术路径。