Machine-Learning-Empowered Quantum Sensing of the Plaquette Phase in a Three-Level Delta System
Dieses Papier schlägt einen überwachten maschinellen Lernansatz unter Verwendung eines mehrschichtigen Perzeptrons vor, um die gauge-invariante Plaquette-Phase in Drei-Niveau--Systemen durch die Analyse der STIRAP-Populationsübertragungseffizienzen genau zu schätzen und dadurch eine effektive Phasenidentifikation für Quantensensorik-Anwendungen zu ermöglichen.