KI-gestützte Quantenverfahren steigern Magnetometer-Empfindlichkeit sechsfach

Forscher entwickeln eine neue Methode zur Messung magnetischer Felder mittels Quantensystem und Machine Learning. Sie erreichen eine Empfindlichkeit, die sechsmal höher ist als mit konventionellen Techniken.

Grenzen klassischer Messverfahren

Es gibt fundamentale Grenzen der Messgenauigkeit. Ein Röntgenbild ist beispielsweise unscharf und erfordert einen erfahrenen Arzt zur Interpretation. Zwar könnten höhere Intensität und längere Belichtungszeiten den Kontrast verbessern, doch solche Strahlendosen sind für Menschen nicht sicher.

Der Standard-Quantenlimit besagt, dass Messgenauigkeit umgekehrt proportional zur Wurzel der eingesetzten Ressourcen ist. Mehr Ressourcen – Strahlungsleistung, Zeit, Anzahl Bilder – bedeuten höhere Genauigkeit, aber auch höheren Aufwand.

Ein internationales Physikerteam von MIPT, Aalto University, Landau Institute und ETH Zürich hat nun eine bessere Methode zur Magnetfeldmessung mittels Quantensystem und Machine Learning entwickelt.

Sie demonstrierten ein Magnetometer mit Präzision jenseits des Standard-Quantenlimits.

Qubit-basierte Messung mit hoher Sensitivität

Die Forscher steigerten die Präzision magnetischer Feldmessungen, indem sie die Kohärenz eines Qubits – eines supraleitenden künstlichen Atoms – nutzten. Es handelt sich um ein winziges Gerät aus überlappenden Aluminiumstreifen auf einem Siliziumchip – dieselbe Fertigungstechnik wie bei Mobil- und Computerprozessoren.

Bei extrem niedrigen Temperaturen fließt Strom nahezu widerstandsfrei, und das Gerät zeigt quantenmechanische Eigenschaften ähnlich echter Atome. Sein intrinsischer magnetischer Moment ist etwa 100.000-mal größer als der realer Atome/Ionen.

Der Qubit-Zustand ändert sich bei Bestrahlung mit einem Mikrowellenpuls – abhängig vom äußeren Magnetfeld. Um das Magnetfeld zu kennen, muss man lediglich den Atomzustand messen.

In einem Qubit-basierten Magnetfeld-Detektor oszilliert die Kohärenz zwischen zwei Zuständen (kohärente Superpositionen) mit der Frequenz des das Gerät durchdringenden Magnetfelds. Je höher die messbare Phasenänderungsrate der Wellenfunktion, desto höher die Präzision.

Doch das allein reicht nicht für Genauigkeit jenseits des Standard-Quantenlimits. Ein weiterer Trick ist nötig: Mustererkennung mittels Machine Learning.

Die Forscher wandten einen adaptiven Ansatz an: Sie führten eine Messung durch, speisten das Ergebnis in ML-Algorithmen ein und ließen die KI entscheiden, wie ein Steuerparameter im nächsten Schritt anzupassen ist, um die schnellste Schätzung des Magnetfelds zu erhalten.

Damit erreichten sie eine Empfindlichkeit, die etwa sechsmal höher ist als mit konventionellen Techniken.

Fazit

Die Kombination aus Quantenhardware und überwachten ML-Algorithmen im Kontext Quanten-Sensing verspricht Einzel- oder Mehr-Qubit-Magnetometer, die Genauigkeiten jenseits aktueller Magnetfelddetektoren bieten.

Magnetfelddetektion ist entscheidend in zahlreichen Bereichen – von der Bildgebung neuronaler Aktivität bis zur geologischen Verarbeitung. Ein kleiner Schritt Richtung quantenverstärkter Sensortechnologie.