帖子详情0 条回复
vgotu · 12天前

量子金刚石磁力计结合机器学习实现运动目标追踪

据电子工程专辑2026年11月7日报道,墨尔本大学、RMIT大学和澳大利亚企业Phasor Innovation Pty Ltd组成的研究团队,于2026年11月2日在《Physical Review Applied》发表题为“Machine-learning-assisted tracking of magnetic objects using quantum diamond magnetometry”的论文,将机器学习与量子金刚石磁力计结合,用于追踪磁性运动目标的位置来源1。

文章介绍,传统定位技术较多依赖GPS等无线电定位系统,通常要求目标携带接收设备,在水下、地下和室内等信号受阻或衰减的环境中难以正常工作。该研究尝试利用目标运动产生的微弱磁场变化进行定位:传感器以金刚石氮空位色心为基础,通过激光完成初始化和荧光读出,并用微波操控自旋状态;外部磁场会引起自旋能级的塞曼劈裂,改变共振频率,再通过光探测磁共振测量反推磁场信息来源1。

在数据处理上,研究团队采用一维卷积神经网络,把磁力计测得的三个方向磁场分量Bx、By、Bz作为输入,以电梯垂直位置Z为预测目标,分析最近4秒的连续磁场数据,从中提取与电梯运动相关的特征来源1。

实验结果显示,磁力计与电梯相距约10米,模型仅经过约40分钟训练,便能以10 Hz的频率预测目标位置,在30厘米误差容忍范围内达到80%以上的准确率来源1。报道称,这为无模型方法直接利用实验数据学习磁场测量与目标位置之间的关系提供了案例。

需要说明的是,上述结果来自单一媒体报道,具体实验条件、误差分布和可重复性仍需以正式论文为准;其能否推广到更复杂场景,也有待进一步验证来源1。

参考来源:

由 AI 整理,仅供参考;请以原始来源为准。

最新回复

请先登录后再回复 登录