利用机器学习提高腔产生自旋压缩态荧光成像的精度
量子物理
2022-01-27 v1
摘要
我们提出一种监督学习模型，用于在冷原子荧光成像过程中校准光子收集率。该线性回归模型求出传感器上各位置处的收集率，使得原子布居数差等于高精度光学腔测量的结果。这一含192个变量的回归所得测量方差比我们之前的单变量回归校准小27%。由于其他已知噪声源，测量方差现在与理论极限相符。该模型在标准个人计算机CPU上训练时间少于一分钟，且所需数据采集时间少于10分钟。此外，该模型适用于布居数差的较大变化以及不同日期采集的数据。
引用
@article{arxiv.2109.08221,
title = {Utilizing machine learning to improve the precision of fluorescence imaging of cavity-generated spin squeezed states},
author = {Benjamin K. Malia and Yunfan Wu and Julián Martínez-Rincón and Mark A. Kasevich},
journal= {arXiv preprint arXiv:2109.08221},
year = {2022}
}