深度学习参数估计与单分子量子控制

相干控制作为物理学和化学的核心概念,因其能精细调控原子与单个分子间的干涉效应而备受关注,其应用范围涵盖光捕获复合体至分子量子比特。然而,该技术的实施需要精确表征系统的耗散动力学特性,尤其在高温环境下。在量子控制实验中,这意味着需要获取系统-环境参数及驱动耦合强度。该研究团队展示了如何通过室温下光谱调制脉冲驱动单分子来推断关键物理参数。研究人员开发并比较了基于双光子吸收光致发光信号的两种计算方法:基于优化的最小化方案和前馈神经网络。该方法的鲁棒性凸显了可靠参数估计在设计有效相干控制方案中的重要性。该成果在超快光谱学、量子材料与技术领域具有直接应用价值。
作者单位: VIP可见
页数/图表: 登录可见
提交arXiv: 2026-01-05 19:44

量科快讯