卷积循环神经网络的光学晶格中超冷原子动量分布预测

• 作者: 周小计 文达 李云红 李弘昊 郭新新 魏凡粟
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 光晶格 玻色-爱因斯坦凝聚 动量分布 机器学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 现代应用光学
• 页码范围: 1480-1484
• 页数: 5页
• 分类号: O469|TP181
• 字数: 2770字
• 语种: 中文
• DOI: 10.37188/OPE.20202807.1480

摘要

相位作为光学晶格中玻色-爱因斯坦凝体的波函数中的重要参数,在实验中无法通过吸收成像或者原位成像从动量空间原子分布中直接得到波函数的相位信息.为了研究一维光晶格中玻色-爱因斯坦凝体相位分布对动量空间原子分布的影响,建立了深度学习网络模型.首先,通过理论计算得到的32 000组数据作为训练集和验证集.然后,在分析波函数的相位特征与动量空间的基础上,提出卷积循环神经网络模型进行光晶格中超冷原子动量预测的方法.经验证,模型训练得到的结果与理论求解薛定谔方程得到的结果相差1.76,相较BP (Back Propagation)神经网络结果,平均误差降低了83％,所得结论为机器学习在物理学领域的应用提供了新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李云红	西安工程大学电子信息学院	79	846	12.0	27.0
2	周小计	西安工程大学电子信息学院	10	14	2.0	3.0
6	文达	西安工程大学电子信息学院	2	0	0.0	0.0
7	李弘昊	西安工程大学电子信息学院	3	0	0.0	0.0
8	魏凡粟	北京大学信息科学技术学院	1	0	0.0	0.0
9	郭新新	北京大学信息科学技术学院	1	0	0.0	0.0