基于特征融合与量子约束学习的原子钟老化预测方法

本申请涉及精密计时仪器测试技术领域，尤其涉及基于特征融合与量子约束学习的原子钟老化预测方法。本申请提供的基于多模态特征融合与量子约束学习的原子钟老化预测方法，采用多模态张量融合手段，同时采集时域微波探针信号、空域原子云密度分布及频域拉姆齐条纹信号进行特征提取，提升特征的完备性；在非线性建模时，采用Bloch方程约束确保网络模型符合量子物理规律。本方法可以通过人工智能的手段提升原子钟老化特征表达效果并有效避免单纯依赖训练数据而存在的过拟合的缺点，使原子钟老化预测模型更符合物理规律，从提升原子钟老化预测精度、优化预测模型复杂度。