用于提取量子系统本征模式的广义独立成分分析
量子物理
2019-04-11 v1 量子气体
摘要
在对量子系统的许多动力学探测中，经常会激发多个本征模式。因此，尽管每个模式表现为单一频率振荡，但由于不同模式的混合以及背景噪声，实验数据可能相当杂乱。在此我们开发了一种无监督机器学习算法，从此类测量数据中提取这些振荡的频率，即这些模式的本征能量。该方法在测量时间不足以进行傅里叶变换时尤为有用。我们的方法受独立成分分析方法及其在鸡尾酒会问题中的应用启发。在该问题中，目标是从探测多个混合人声信号的探测器中恢复每个人的声音，其原理是找出具有特征且远离高斯分布的信号。相反，我们的推广是找出接近单一频率振荡的信号。我们通过分析冷原子集体模式的例子展示了我们方法的优势。我们相信该方法可在量子系统动力学实验数据分析中找到广泛应用。
引用
@article{arxiv.1904.05067,
title = {Generalized Independent Component Analysis for Extracting Eigen-Modes of a Quantum System},
author = {Yadong Wu and Hui Zhai},
journal= {arXiv preprint arXiv:1904.05067},
year = {2019}
}