利用基于合成图像训练的神经网络探测原子玻色–爱因斯坦凝聚体中的涡旋
量子气体
2023-10-31 v2 无序系统与神经网络
摘要
原子玻色–爱因斯坦凝聚体(BECs)中的量子涡旋是以粒子绕其量子化环流为特征的拓扑缺陷。在实验研究中,涡旋通常通过飞行时间成像来探测,该方法使其密度耗竭的核被放大。本工作中,我们描述了一种基于机器学习的方法,用于探测实验 BEC 图像中的涡旋,特别关注含有不规则分布涡旋的湍流凝聚体。我们的方法采用仅基于合成模拟图像训练的卷积神经网络(CNN),从而无需将涡旋位置作为真值进行人工标注。我们发现该 CNN 在真实实验图像中实现了准确的涡旋探测,因而有助于分析大型实验数据集而不受特定实验条件的限制。这一新方法代表了研究量子涡旋动力学的重大进展,并简化了湍流 BEC 研究中的分析流程。
引用
@article{arxiv.2308.08405,
title = {Vortex detection in atomic Bose-Einstein condensates using neural networks trained on synthetic images},
author = {Myeonghyeon Kim and Junhwan Kwon and Tenzin Rabga and Yong-il Shin},
journal= {arXiv preprint arXiv:2308.08405},
year = {2023}
}
备注
10 pages, 6 figures