量子科技中心_量科网

该研究团队报告了一种用于里德堡传感器的自监督深度学习框架，能实现单次测量噪声抑制效果与多次测量平均法相当。该框架通过训练两组统计分布相同的含噪信号，无需依赖量子传感中难以获取的洁净参考信号。在里德堡传感数据集上的评估表明，其性能超越小波变换和卡尔曼滤波，达到相当于10,000次测量平均的去噪效果，同时将计算时间缩短三个数量级。研究人员进一步验证了该框架在不同噪声场景下的表现，并量化了U-Net与Transformer架构在复杂度与性能间的权衡，为优化里德堡传感器系统中基于深度学习的去噪技术提供了实用指导。