喜报 | 科微量子AI辅助里德堡原子局部放电监测相关论文发表于国际权威期刊

北京科微量子科技有限公司（以下简称“科微量子”）与北京量子信息科学研究院（以下简称“北京量子院”）原子系综精密测量团队合作，在里德堡原子弱瞬态电场响应读出方面取得新进展。通过AI识别里德堡原子脉冲响应特征，实现了对具有负信噪比的亚噪声微弱放电脉冲信号的提取与识别，一举将识别准确率由传统匹配滤波算法的0%提升至86.32%，证明了里德堡原子在局部放电监测应用相对传统方法的“量子优越性”。

相关成果以“机器学习增强的里德堡瞬态读出弱电脉冲”（Machine-learning-enhanced Rydberg transient readout of weak electric pulses）为题，发表于Optics Express。

里德堡原子具有较大的电偶极矩，对外电场高度敏感。借助电磁诱导透明（electromagnetically induced transparency，EIT），外部电场引起的里德堡能级变化可以转化为探测光透射变化，从而实现射频和微波电场的光学读出。对于连续波或较强信号，谱线移动、Autler-Townes劈裂或清晰的时域波形通常可以直接表征原子响应；但面对快速、宽频、接近噪声水平的弱瞬态信号，响应还会受到射频耦合链路、原子动力学和光学探测过程的共同影响，容易与背景涨落和其他瞬态结构混在一起。此时，难点已经从“是否能看到一个峰”转变为“如何从多个相似候选中找出与外部激励真正对应的原子响应”。

团队基于科微QR-104局部放电监测系统接收来自局部放电信号模拟源发射的脉冲信号（图1）。在数据处理上，首先利用匹配滤波（matched filtering, MF）和归一化互相关（normalized cross-correlation, NCC）筛出可能的瞬态候选位置；随后引入主成分分析（principal component analysis, PCA）和Logistic回归，对候选位置附近的局部波形进行形态判别。这样既保留了模板匹配在候选搜索上的作用，也把波形的极性、宽度、恢复过程和模板相似性等信息纳入判断，避免只依赖最大相关峰值作出选择。

图1 里德堡原子局部放电监测系统（来源：科微量子）

实验显示，在较强响应条件下，事件相关的里德堡-EIT瞬态可以在单周期波形中直接辨认；当响应逐渐降到背景噪声附近后，目标瞬态不再具有明显的幅值优势，其他瞬态结构也可能产生相近的模板相关峰。尽管如此，利用独立的源端时间参考进行后验对齐后，低信噪比数据中仍能看到稳定的局部负向瞬态结构。这说明，低信噪比并不意味着波形信息已经完全消失；即使单次测量中目标响应不再显眼，其局部形态仍保留了可供算法识别的信息。

图2 不同信噪比条件下的里德堡-EIT瞬态响应及后验对齐结果

随后，研究团队在117个实验直接采集的低信噪比周期上，对不同读出方法进行了统一评估。传统MF最大峰值方法的严格定位准确率为0.00%，但117个周期中有115个候选池实际包含满足严格定位条件的候选。这一对比说明，候选生成本身并不是主要限制，真正困难的是如何在低信噪比条件下把正确候选排到前面。引入PCA/Logistic波形形态判别后，严格定位准确率提高至63.25%（74/117）；在此基础上，再利用受控重复激励下不同周期之间的时间一致性进行修正，准确率进一步提高至86.32%（101/117）。结果表明，机器学习主要改善了候选排序，而跨周期时间一致性则为波形相似、难以区分的候选提供了额外判断依据。

图3 机器学习增强的低信噪比瞬态响应读出性能

图4 QR-104局部放电监测界面（来源：科微量子）

文章结果表明，在使用里德堡原子进行局部放电监测时，当原子响应信号已经逼近噪声背景时，基于原子光谱特征与AI辅助，仍可对微弱原子响应进行有效读出，进一步提升局部放电信号的识别效果（图4）。

该论文通讯作者为科微量子联合创始人丛楠和杨仁福，第一作者为两人指导博士生贾春阳，科微量子工程师宋晓波、王宏佳、北京量子院博士生李佳澳、陈雪花等为论文共同作者。该工作同时得到了国家电网总部科技项目与国家自然基金项目的支持。

科微量子作为北京量子院成果转化企业，将继续深耕里德堡原子传感技术的工程化与产业化，推动相关技术在电力、通信、国防等领域的实用化落地，为国家量子精密测量技术的发展贡献力量。