量子科技中心_量科网

在量子增强原子磁力计领域，生成并保持具有计量学价值的量子态是一项核心挑战。对于低场环境下运行的多能级原子而言，非线性塞曼效应（NLZ）既是资源也是限制：它通过非线性重分布内禀自旋涨落来在单个原子qudit内生成自旋压缩态，但在固定读出方案下会扭曲测量相关的正交分量并限制可实现的计量学增益。当压缩轴和有效非线性作用均随时间变化时，这一挑战更为严峻。本研究证明，基于物理知识的强化学习能将NLZ动力学从读出劣化源转化为持续的计量学资源。仅利用实验可获取的低阶自旋矩，训练后的智能体在¹⁶¹Dy原子f=21/2能级流形中，识别出能快速制备强压缩内禀态的统一控制策略，并在持续NLZ演化中稳定维持超过4 dB的固定轴自旋压缩。包含态制备开销后，该学习协议实现了13.9 pT/√Hz的单原子磁灵敏度，相较标准量子极限获得约3 dB的优势。这一成果确立了基于学习的控制方法可作为实用路径，将多能级量子传感器中不可避免的内禀非线性动力学转化为可操作的计量学优势。