Suscríbete al newsletter The NewNow

Y te mantendremos al tanto de los últimos artículos y noticias

Los campos marcados con * son obligatorios

Detección de campos magnéticos con Aprendizaje Automático

Los investigadores de la Universidad de Bristol han alcanzado nuevos niveles de sofisticación en la detección de campos magnéticos con una sensibilidad extrema a temperatura ambiente mediante la combinación del aprendizaje automático con un sensor cuántico.

Los hallazgos, publicados en Physical Review X, podrían llevar a una nueva generación de escáneres de IRM que utilizan campos magnéticos y ondas de radio para producir imágenes detalladas del interior del cuerpo, así como otros usos potenciales dentro de la biología y la ciencia material.
Estos hallazgos se lograron utilizando una combinación de técnicas de aprendizaje automático, donde las computadoras se adaptan y aprenden de la experiencia como lo hacen los humanos y los animales de manera natural, y los dispositivos de detección cuántica.

Investigadores de Quantum Engineering and Technology Labs (QETLabs)  en la Universidad de Bristol, en colaboración con el Instituto de Óptica Cuántica de la Universidad de Ulmy, han demostrado esto utilizando un sensor cuántico basado en el giro de electrones en un centro de vacante de Nitrógeno (NV) en un diamante.

Los centros de vacío de nitrógeno (NV) son defectos atómicos que se pueden encontrar o crear en un diamante. Permiten interactuar con electrones individuales, que a su vez pueden usarse para detectar campos eléctricos y magnéticos.

Su combinación única de alta resolución espacial y sensibilidad ha llevado a la investigación de escenarios en los que la actividad de las neuronas individuales se monitorea y mapea a escala nanométrica. Sin embargo, tales aplicaciones de resonancia magnética nuclear a nanoescala están limitadas por el ruido de la lectura óptica disponible a temperatura ambiente en configuraciones de vanguardia.

El Dr. Anthony Laing, investigador principal de la Universidad de Bristol, dijo: «Esperamos que el despliegue de nuestras técnicas pueda desbloquear regímenes inexplorados en una nueva generación de experimentos de detección, donde el seguimiento en tiempo real y las sensibilidades mejoradas son ingredientes cruciales para explorar fenómenos a nanoescala.» Por su parte, el Dr. Raffaele Santagati, investigador asociado del Centro de Fotónica Cuántica de la Universidad de Bristol, aseguró: «Aquí mostramos cómo el aprendizaje automático puede ayudar a superar estas limitaciones para rastrear con precisión un campo magnético fluctuante a temperatura ambiente con una sensibilidad típicamente reservada para los sensores criogénicos».

Según el coautor Antonio Gentile: “En nuestro artículo, mostramos cómo un enfoque de inferencia bayesiana puede aprender con éxito el campo magnético y otras cantidades físicas importantes a partir de datos naturalmente ruidosos. Esto nos permite relajar la complejidad del proceso de lectura de datos al costo del procesamiento avanzado de datos «.

Los centros de vacío de nitrógeno, que se encuentran en las imperfecciones de los diamantes, ya se han utilizado en demostraciones de sus capacidades de detección, pero el ruido y las interacciones no deseadas pueden limitar su aplicabilidad a escenarios del mundo real. Los resultados presentados en este trabajo muestran cómo superar estas limitaciones.

Figura S7. Campo magnético en línea de seguimiento a través de MFL. A,
Representación pictórica de posibles aplicaciones de un protocolo de seguimiento, donde se utiliza un centro NV colocado al final de un microscopio de barrido para escanear el campo magnético B en la proximidad de una molécula absorbida sobre un sustrato. b, Simulación de las capacidades de MFL para rastrear una señal sinusoidal retumbada, sin sobrecarga experimental y solo el ruido de Poissonian está presente en los datos (es decir, lectura de alta fidelidad). La frecuencia ω es lineal.
aumentado después de cada paso de actualización. c, Rendimiento promedio, mediado en más de 1000 ejecuciones independientes, de CLE rastreando un campo magnético sometido a un proceso estocástico Ornstein-Uhlenbeck. En b & c, las áreas sombreadas corresponden al percentil ∼ 68% habitual rango creíble adoptado en este trabajo.

Más información en el Paper:
Magnetic-Field Learning Using a Single Electronic Spin in Diamond with One-Photon Readout at Room Temperature’ by R. Santagati, A. A. Gentile, S. Knauer, S. Schmitt, S. Paesani, C. Granade, N. Wiebe, C. Osterkamp, L. P. McGuinness, J. Wang, M. G. Thompson, J. G. Rarity, F. Jelezko, and A. Laing