《美国国家标准与技术研究院(NIST)研究人员利用新型原子温度计实现更精确的温度测量》

  • 编译者: 李晓萌
  • 发布时间:2025-03-26
  • 近日,美国国家标准与技术研究院(NIST)研究人员开发了一种新型温度计,利用被激发到极高能级的原子,这些原子的体积比正常原子大一千倍。通过监测这些巨大的“里德堡原子”与周围环境中的热量如何相互作用,研究人员能够以极高的精度测量温度。这种温度计的灵敏度有望在从量子研究到工业制造等多个领域提升温度测量的准确性。

    与传统温度计不同,里德堡温度计无需在工厂进行初始调整或校准,因为它依赖于量子物理的基本原理。这些基本的量子原理能够产生精确的测量结果,并且可以直接追溯到国际标准。

    “我们正在开发一种温度计,它无需像现有温度计那样进行常规校准,就能提供准确的温度读数。”NIST的博士后研究员Noah Schlossberger表示。

    革新温度测量技术

    该研究于2025年1月23日发表于《Physical Review Research》期刊,是首次成功利用里德堡原子进行温度测量。为了制造这种温度计,研究人员在一个真空室内填充了铷原子气体,并使用激光和磁场将原子冷却至接近绝对零度,大约为0.5毫开尔文(千分之一度)。这意味着原子几乎处于静止状态。随后,研究人员利用激光将原子的最外层电子激发到非常高的轨道,使原子的体积比普通铷原子大了约1000倍。

    在里德堡原子中,最外层电子远离原子核,因此对电场和其他影响因素更为敏感,其中包括黑体辐射,即周围物体发出的热量。黑体辐射可导致里德堡原子中的电子跃迁至更高轨道。温度升高会增加环境中的黑体辐射量,并加快这一过程。因此,研究人员可以通过跟踪这些能量跃迁随时间的变化来测量温度。

    这种方法能够检测到极其微小的温度变化。尽管还有其他类型的量子温度计,但里德堡温度计可以在不接触被测物体的情况下,测量其周围环境从大约0到100摄氏度的温度。

    这一突破不仅为新型温度计的开发铺平了道路,而且对于原子钟来说意义重大,因为黑体辐射会降低原子钟的精度。

    “原子钟对温度变化极为敏感,这可能导致其测量结果出现微小误差。”美国国家标准与技术研究院(NIST)的研究科学家Chris Holloway表示,“我们希望这项新技术能够帮助我们的原子钟变得更加精确。”

    除了在精密科学领域之外,这种新型温度计还可能在极具挑战性的环境中得到广泛应用,例如航天器和先进制造工厂,这些地方都需要极其精确的温度读数。

    凭借这一成果,NIST继续推动科学技术的边界。

    “这种方法为一个温度测量与自然基本常数一样可靠的世界打开了大门。”Holloway补充道,“这是量子传感技术向前迈出的令人兴奋的一步。”

    文章信息:Noah Schlossberger, et al. Primary quantum thermometry of mm-wave blackbody radiation via induced state transfer in Rydberg states of cold atoms. Physical Review Research. Published online Jan. 23, 2025. DOI: 10.1103/PhysRevResearch.7.L012020

相关报告
  • 《美国国家标准与技术研究院(NIST)采用新方法精确测量微量样本的放射性》

    • 编译者:张宇
    • 发布时间:2025-07-27
    • 近日,美国国家标准与技术研究院(NIST)研发的一种新技术能够实现在识别发生衰变的原子类型的同时检测单个原子的放射性衰变事件。这一技术进步将有助于改善癌症的治疗方案,用于先进反应堆的核燃料再处理以及其他领域。一旦全面投入使用,该技术有望在短短几天内完成传统上需要数月才能完成的任务。 NIST的研究人员展示了一种新的、更快的方法来检测和测量微量放射性物质的辐射值。这项被称为低温衰变能谱法(DES)的创新技术可能会产生深远的影响,其影响范围可能涉及从改善癌症治疗到确保核废料的安全清理以及其他多个领域。 这项新技术的关键是过渡边缘传感器(TES),这是一种被广泛应用于辐射特征测量的专用设备。TES提供了一种革命性的功能来记录单个放射性衰变事件,同时监测其中不稳定的原子释放一个或多个粒子的过程。通过从许多次单独衰变事件中积累的数据,研究人员可以识别出哪些不稳定的原子(即放射性核素)会产生这些事件。 “TES比熟悉的盖革计数器或其他当今使用的探测器要先进得多,”NIST物理学家Ryan Fitzgerald说。“它不是简单地发出咔嗒声来表示有辐射,也不是模糊地指示衰变能量的高低,而是为我们提供了放射性物质存在的详细指纹信息。” TES设备在接近绝对零度的极低温度下运行。当样品中的物质发生放射性衰变时,释放的能量被TES吸收。这种吸收的能量会导致TES的电阻发生微小的变化。研究人员精确测量了电阻的这种变化,从而获得了整个衰减过程的高分辨率“能量特征”。通过分析来自多个衰变事件能谱变化的详细数据,研究人员便可以识别出正在衰变的特定放射性原子。这是完全可能的,因为不同的放射性原子在衰变时会释放出独特的能量特征。 采用早期的方法,在同一时间,只能进行放射性剂量的测量或者识别出具体存在哪些放射性原子——而不是同时完成这两项工作。全面表征一个样品曾经需要使用多种技术。相比之下,DES法在识别放射性元素的类型的同时,又能完成量化其放射性水平的工作。 当研究人员接收到装满放射性液体的桶时,他们需要识别这种神秘物质的类型并测量其放射性核素的含量,以便安全地处理它们。通常,这个过程可能需要几个月的时间,但过渡边缘传感器(TES)可以显著缩短这一过程所需的时间。 “我们现在可以在短短几天内就从一个微量的样本中获得完整的放射性特征数据,而不再需要等待数月才能获得结果,”Fitzgerald说。 传统上,测量放射性需要多种方法和复杂的程序,使用称为示踪剂或校准剂的附加材料。然而,新方法提供了一种简化的途径,即使在没有这些附加材料的情况下,也能准确测量出微量样本的放射性。这使科学家们能够更好地监测、使用和保护影响公众健康和安全的放射性物质。 在他们的方法中,研究人员使用一种特殊的喷墨装置小心地将微量(不到一克的百万分之一)放射性溶液均匀的分布到薄金箔上。这些金箔的表面布满了大小仅为十亿分之一米的微小孔洞。这些纳米孔有助于吸收放射性溶液的微小液滴。 通过精确测量使用喷墨装置分配的溶液的质量,然后测量金箔上干燥后的样品的放射性,研究人员就可以计算出样品每单位质量的放射性,即“比活度”。 这种喷墨方法使他们能够在处理极少量放射性物质的同时,仍能准确测量其放射性。 这种技术的潜在应用场景非常广泛。在医学领域,这项技术可有确保用于癌症治疗的放射性药物的纯度和效力的准确性。在核能领域,它可以快速的识别乏燃料后处理过程中的放射性成分,从而加速新型先进反应堆的开发。 新报告的研究是更大规模努力的第一步,这一努力被称为True Becquerel(TrueBq)项目,旨在改变我们监测和表征放射性的方式。用于计量物质放射性衰变的单位是该项目名称的由来,以纪念发现放射性现象的法国物理学家亨利·贝克勒尔(Henri Becquerel)。 更广泛的TrueBq项目旨在开发一种更全面的测量系统,凭借这种全新的系统将可以处理包括复杂的混合物在内的各种放射性物质。它将把高精度天平系统与TES设备结合起来,以前所未有的精度测量放射性物质的比活度。 这种新方法对传统工作流程进行了重大改进,传统工作流程通常涉及多种方法、化学处理以及化学示踪剂和标准品的使用。通过简化测量过程,TrueBq项目有望在减少分析所需时间的同时提高测量的准确性。 通过TrueBq项目所开发的创新型技术可以有效提高NIST服务各领域客户的能力。NIST目前提供多种以客户为中心的测量服务,包括校准、标准参考物质(SRMs)和能力验证。所有这些服务未来都将受益于TrueBq项目所开发的新技术,服务的流程将会更加简化、服务内容将会更加多样化、同时服务质量的不确定性也会进一步减少。 虽然TrueBq项目目前的重点是改进NIST内部的测量工作,但研究人员对这项技术有着长远的计划。未来,他们希望开发出更便携、更人性化的系统版本,这些版本可以部署在NIST之外的实际应用场景中,以便在医学、环境治理和核废料管理等领域中发挥关键作用。 NIST的研究团队已于2025年7月8日在《Metrologia》期刊上发表了其研究成果。(DOI:10.1088/1681-7575/adecaa)
  • 《美国国家标准与技术研究院(NIST)研究人员证明超导神经网络可自主学习》

    • 编译者:李晓萌
    • 发布时间:2025-09-10
    • 利用精细仿真,美国国家标准与技术研究院(NIST)及其合作团队首次证明一类受大脑启发的电子神经网络——超导神经网络——可在初始训练后完全自主地学习新任务,其学习速度比现有神经网络快100倍。 神经网络通过模拟人脑神经元协同工作的方式进行决策:通过调节神经元之间的信息流动,人脑能够识别新现象、掌握新技能,并在决策时权衡不同选项。 NIST科学家聚焦于超导神经网络,这类网络在极低温(仅比绝对零度高 4 度)下运行,电流无阻力、能耗远低于包括人脑在内的其他系统,因而能以极高速度传输信息。 在新设计中,NIST科学家Michael Schneider及其同事找到了一种操控超导神经网络基本单元的方法,使其能够执行一种称为“强化学习”的自主学习方式——神经网络正是通过强化学习来掌握新任务,例如学习一门新语言。 任何神经网络的核心都在于如何为其电路中的路径分配“权重”或偏好,类似于人脑对不同神经通路赋予不同权重。网络通过“胡萝卜加大棒”的机制调整权重:增强产生正确答案的路径权重,削弱导致错误答案的路径权重。而在 NIST 系统中,构成电路的硬件本身即可决定这些权重变化的大小与方向,无需外部控制或额外计算,就能自主学习新任务。 相关研究成果已于2025年3月4日在线发表于《Unconventional Computing》期刊(DOI:10.1038/s44335-025-00021-9)。 NIST的设计带来两大优势: 第一,网络可在新数据到来时持续学习,而无需每次都从头重新训练整个网络。 第二,设计能自动调整网络中各路径的权重,以容忍制造过程中硬件尺寸和电学特性的微小差异;这种灵活性在常规神经网络训练中是难以实现的,后者通常需要对权重值进行极其精确的编程。 Schneider指出,该设计还有望显著加快网络训练速度,并比基于半导体或软件的训练方案消耗更少能量。仿真已验证硬件方案可行,团队下一步将着手构建小规模的自学习超导神经网络原型。