近日，中科大微觀磁共振重點實驗室杜江峰院士、石發展教授等與愛荷華大學巫曉東教授合作，在金剛石氮-空位（NV）色心體系的量子精密測量方面取得新進展。利用深度學習神經網絡的方法，對基于金剛石量子精密測量技術的納米核磁共振二維譜進行加速，將探測效率提高近一個量級。該研究成果以“Artificial intelligence enhanced two-dimensional nanoscale nuclear magnetic resonance spectroscopy”為題，發表在2020年9月的《npj Quantum Information》上 [npj Quantum Information 6, 79 (2020)]。

       物質分子結構的解析是化學和生命科學研究物質性質和功能的重要手段，核磁共振因具有無損，生理條件甚至原位探測等優勢，廣泛應用于結構生物學和臨床醫學。傳統的核磁共振技術受限于信號收集方法，僅能測量數十億以上分子系綜產生的集體信號。近年來，以金剛石氮-空位色心為磁傳感器，實現了納米磁共振譜學。

       中科大微觀磁共振重點實驗室在基于NV色心的納米核磁共振方向，在光探測磁共振（ODMR）實驗平臺上，首次以一對耦合的碳-13核自旋為探測對象，實現納米二維核磁共振譜 [發表于今年初的Adv. Quantum Technol. 2020, 3, 1900136 (2020)]。由于微觀核磁信號極弱，在納米尺度二維核磁共振譜測量的實驗中，為了獲得較高的信噪比，往往需要消耗很長的時間（數小時到天）來累積信號。為了提升探測效率，杜江峰領銜的研究團隊將人工智能的方法應用于二維核磁共振譜的數據處理與分析，通過模型數據訓練深度學習神經網絡，并結合矩陣填充的方法，最終使得在時間消耗為10%的條件下，仍能獲得近4倍（~5.7dB）信噪比的提升。

       二維譜是自旋距離解析的關鍵，也是單分子結構解析的基礎。該工作提供了一種適用于二維核磁共振譜學加速的普適方法，能夠應用于納米尺度下單分子的結構解析。

       南京大學孔熙副教授、美國愛荷華大學周磊鑫博士和中科院微觀磁共振重點實驗室博士生李志杰為該文共同第一作者。該研究得到了科技部、國家自然科學基金委、中國科學院和安徽省的資助。

圖 (a) 采取深度學習算法之后，可以從少量的信息中提取復雜的納米核磁譜線信息，從而大大提高實驗測量效率。(b) 深度學習結合矩陣填充算法在保持重構能力的同時可以去除掉偏倚。

       國儀量子基于光探測磁共振（ODMR）技術，研發生產量子鉆石單自旋譜儀，運用基于NV色心的量子精密測量技術，也可以實現納米核磁共振，開展納米尺度二維核磁共振譜測量等相關實驗研究工作。該譜儀是國際*商用的光探測磁共振譜儀，性能穩定，功能強大，將更好地助力科研工作者更加便捷地完成相關研究。

       量子鉆石單自旋譜儀是一臺基于氮-空位（NV色心）的以自旋磁共振為原理的量子實驗平臺，通過控制光、電、磁等基本物理量，實現對鉆石中NV色心發光缺陷的自旋進行量子操控與讀出，與傳統順磁共振、核磁共振相比，具有初態是量子純態，自旋量子相干時間長，量子操控能力強大，量子塌縮測量實驗結果直觀等*優勢。

       量子鉆石單自旋譜儀在譜學分析和結構解析等應用中具有獨到優勢，可實現單蛋白等單分子電子順磁共振，納米尺度核磁共振，活體細胞溫度、磁場、動作電位探測等。