利用进化算法优化量子气体制备
量子气体
2016-05-25 v1 原子物理
摘要
我们报告了应用进化算法（EA）来增强超冷量子气体实验的性能。Rubidium玻色-爱因斯坦凝聚体（BEC）的制备可分为基本冷却步骤，具体而言是冷原子的磁光俘获、将原子装载到远失谐交叉偶极阱以及最后的蒸发冷却过程。EA分别应用于这些步骤中的每一个，并带有特定定义的反馈即所谓的适应度。我们讨论EA的原理并实现称为差分进化的增强。分析EA改善例如原子装载速率和增加BEC相空间密度的原因，产生了用于BEC制备的最优参数集，并使我们能够显著减少BEC制备时间。此外，我们关注如何提取关于实验和优化可能性的额外信息，以及所揭示的相关性如何实现进一步改进。我们的结果说明EA是复杂实验的强大优化工具，并例证该应用产生了关于这些实验对优化参数依赖性的有用信息。
引用
@article{arxiv.1601.06038,
title = {Optimizing Quantum Gas Production by an Evolutionary Algorithm},
author = {Tobias Lausch and Michael Hohmann and Farina Kindermann and Daniel Mayer and Felix Schmidt and Artur Widera},
journal= {arXiv preprint arXiv:1601.06038},
year = {2016}
}
备注
7 pages, 6 figures