基于深度强化学习的极端自旋压缩
量子气体
2019-10-16 v1 量子物理
摘要
自旋压缩（SS）是实现超越标准量子极限的测量精度的公认资源。基本的一步扭转（OAT）相互作用可促进SS，并已在多种实验中实现，但它无法实现海森堡极限精度的极端SS。借助深度强化学习（DRL），我们发现了利用仅少数旋转脉冲通过OAT相互作用实现近乎极端SS的与尺寸无关的普适规则。更具体地，对于多达个粒子仅需6对脉冲，而达到极端SS所需时间仍与最优OAT压缩时间同阶，这使得我们的方案对于已报道OAT压缩的实验可行。本研究凸显了DRL在受控量子动力学中的潜力。
引用
@article{arxiv.1909.12519,
title = {Extreme Spin Squeezing from Deep Reinforcement Learning},
author = {Feng Chen and Jun-Jie Chen and Ling-Na Wu and Yong-Chun Liu and Li You},
journal= {arXiv preprint arXiv:1909.12519},
year = {2019}
}
备注
5 pages, 4 figures