Detección Automática de Spins Nucleares en Campos Magnéticos Arbitrarios a Través de un Modelo de IA de Señal a Imagen

Los sensores cuánticos aprovechan las propiedades cuánticas de la materia para permitir mediciones con una resolución espacial y espectral sin precedentes. Entre estos sensores, aquellos que utilizan centros de vacantes de nitrógeno (NV) en diamante ofrecen la ventaja distintiva de operar a temperatura ambiente. Sin embargo, las señales recibidas de los centros NV son a menudo complejas, lo que dificulta la interpretación. Esto es especialmente relevante en escenarios de bajo campo magnético, donde las aproximaciones estándar para modelar el sistema fallan. Además, las señales NV presentan un componente de ruido prominente. En esta Carta, presentamos un modelo de aprendizaje profundo de señal a imagen capaz de inferir automáticamente el número de spins nucleares que rodean a un sensor NV y los acoplamientos hiperfinos entre el sensor y los spins nucleares. Nuestro modelo está entrenado para operar de manera efectiva en varios escenarios de campo magnético, no requiere conocimiento previo de los núcleos involucrados y está diseñado para manejar señales ruidosas, lo que permite una caracterización rápida de los entornos nucleares en condiciones experimentales reales. Con simulaciones numéricas detalladas, probamos el rendimiento de nuestro modelo en escenarios que involucran diferentes números de núcleos, logrando un error promedio de menos de 2 kHz en las constantes hiperfinas estimadas.