今天小编要和大家分享的是MEMS,传感技术相关信息，接下来我将从机器学习与量子传感器结合实现了高灵敏度检测磁场的新高度，机器学习与数据挖掘这几个方面来介绍。
MEMS,传感技术相关技术文章机器学习与量子传感器结合实现了高灵敏度检测磁场的新高度
据麦姆斯咨询报道，来自布里斯托大学（University of Bristol）的研究人员通过将机器学习与量子传感器相结合，实现了在室温下以极高灵敏度检测磁场的新高度。
这项发表在《Physical Review X》期刊上的研究成果或将使新一代核磁共振成像扫描仪（MRI scanners）可以使用磁场和无限电波来生成人体内部的详细图像，并在生物学和材料科学领域有进一步的潜在应用。
上述发现依靠机器学习技术和量子传感装置的组合得以实现，机器学习技术是指计算机像人类和动物一样自然地适应和学习经验。
来自布里斯托大学量子工程和技术实验室（Quantum Engineering and Technology Labs， QETLabs）的研究人员与乌尔姆大学（University of Ulm）量子光学研究所和微软（Microsoft）合作，使用基于金刚石中氮空位（Nitrogen-vacancy， NV）中心的电子自旋量子传感器证明了这一点。
氮空位中心是可以在金刚石中发现或产生的原子缺陷。它们可以实现单个电子相互作用，用于感测电场和磁场。它们独特的高空间分辨率和灵敏度的组合能够对单个神经元活动进行监测并映射到纳米级的情景研究。然而，这种纳米级核磁共振应用受限于当前最先进设备在室温下的光学读出噪声。
布里斯托大学首席研究员Anthony Laing博士表示，“我们希望在新一代传感实验中部署我们的技术，以解开未开发的机制，其中实时跟踪和增强灵敏度是探索纳米级现象的关键因素。”
布里斯托大学量子光子学中心研究助理Raffaele Santagati博士指出，“我们展示了机器学习如何帮助克服这些限制，以精确跟踪室温下的波动磁场，这种灵敏度通常只存在于低温传感器。”
论文共同作者Antonio Gentile补充道，“在我们的论文中，我们展示了贝叶斯推理方法如何成功地从自然噪声数据中学习磁场和其他重要的物理量。这将使我们能够利用先进的数据处理，降低数据读出过程的复杂性。”
