基于深度学习的电磁感应透明冷原子发动机预测
量子物理
2025-01-07 v1 原子物理
摘要
我们开发了一个人工神经网络模型来预测在实验实现的电磁感应透明框架内工作的量子热机。我们特别关注Λ型碱基冷原子系统。该网络使我们能够分析所有碱金属原子基发动机的性能。基于三个性能指标（输出辐射温度、功和ergotropy）预测和分析了高性能发动机。与传统观念相反，该算法揭示了输出辐射温度作为单一指标用于增强发动机性能的局限性。在高输出温度区域，Cs基发动机的输出温度高于Rb基发动机，但其功和ergotropy较低。这在不同原子发动机中均成立，且在高和低输出温度区域具有共同的预测状态。此外，发现ergotropy对控制拉比频率呈现饱和指数依赖性。
引用
@article{arxiv.2501.03060,
title = {Predicting Electromagnetically Induced Transparency based Cold Atomic Engines using Deep Learning},
author = {Manash Jyoti Sarmah and Himangshu Prabal Goswami},
journal= {arXiv preprint arXiv:2501.03060},
year = {2025}
}
备注
15 pages. Suggestions on References are welcome