機械学習を用いた冷却原子実験

カテゴリ: 研究会(論文単位)

論文No: ECT22044

グループ名: 【C】電子・情報・システム部門 電子回路研究会

発行日: 2022/09/05

タイトル(英語): Cold-atom experiments assisted by machine learning

著者名: 福原 武(理化学研究所)

著者名(英語): Takeshi Fukuhara(RIKEN)

キーワード: 冷却原子|機械学習|レーザー冷却|量子気体|自動最適化|ベイズ最適化|Cold atoms|Machine learning|Laser cooling|Quantum gas|Automatic optimization|Bayesian optimization

要約(日本語): 冷却原子実験では、レーザーの強度や周波数など多数の実験パラメータを調整する必要がある。本研究では機械学習の技術を用いて、冷却原子の実験パラメータに対する自動最適化を試みた。偏光勾配冷却、蒸発冷却、ラマンサイドバンド冷却の３つの冷却手法に対して、機械学習の一つであるベイズ最適化を適用し、パラメータの最適化を行った。機械学習技術が冷却原子実験に有効であるという結果が得られたので報告する。

要約(英語): For cold-atom experiments, various experimental parameters, such as laser intensities and frequencies, need to be adjusted. In the present study, we employed a machine learning approach to automatically optimize such experimental parameters. Bayesian optimization has been applied to optimize parameters for three cooling methods: polarization gradient cooling, evaporative cooling and Raman sideband cooling. I report experimental results showing that machine learning techniques are effective for cold-atom experiments.

本誌: 2022年9月8日電子回路研究会

本誌掲載ページ: 23-28 p

原稿種別: 日本語

PDFファイルサイズ: 1,019 Kバイト