http://www.ras.ru/news/shownews.aspx?id=f11de813-7842-4c2d-b613-deed2542693e&print=1
© 2024 Российская академия наук

Машинное обучение помогло улучшить экзотическую квантовую материю

23.10.2024



Коллектив российских учёных исследовал процесс формирования конденсата Бозе — Эйнштейна в оптической дипольной ловушке с длиной волны 1064 нм. Для этого они проводили оптимизацию испарительного охлаждения методами машинного обучения. Исследование опубликовано в журнале Physical Review A.

В этом году Нобелевские премии по физике и по химии были присуждены за исследования, связанные с машинным обучением. Это отражает вс` возрастающую роль методов ИИ для получения новых результатов в естественных науках. Многие результаты в современной физике квантовых систем связаны с машинным обучением.

Одно из главных направлений научных работ последних лет — изучение бозе-эйнштейновского конденсата (БЭК). Такие конденсаты используются для создания атомных лазеров с уникальными свойствами, очень чувствительных датчиков, а также могут быть использованы в квантовых вычислениях. В новом исследовании, проведенном российскими учёными из Российского квантового центра, МФТИ, Физического института им. П.Н. Лебедева РАН и Московского государственного технического университета им. Н.Э. Баумана, удалось увеличить количество атомов в стабильном конденсате и исследовать процесс его формирования, используя метод байесовской оптимизации для максимизации эффективности испарительного охлаждения.

«Благодаря методам машинного обучения нам удалось оптимизировать параметры нашего эксперимента, что, в свою очередь, открыло новые горизонты для исследования квантовых систем, — рассказал Алексей Акимов, доктор физико-математических наук, руководитель лаборатории квантовых симуляторов и интегрированной фотоники РКЦ. — Это важный шаг на пути развития будущих технологий в области квантовых вычислений».

В ансамбле холодных атомов, пойманных в ловушку, происходят взаимодействия нескольких типов, которые приводят к изменению их температуры и количества атомов. Один из таких типов взаимодействий, трёхчастичная рекомбинация, приводит к образованию двух связанных частиц, которые покидают ловушку и перестают участвовать в процессе испарительного охлаждения, что существенно уменьшает количество атомов в конденсате. Исследованный ранее спектр резонансов Фешбаха и применение байесовской оптимизации к испарительному охлаждению позволили снизить негативное влияние трёхчастичной рекомбинации и увеличить количество атомов в конденсате.

После охлаждения атомов тулия до температуры около 20 мкК в магнито-оптической ловушке, они перегружались в дипольную оптическую ловушку, которая была образована двумя лазерными лучами с длиной волны 1064 нанометра.

Машинное обучение помогло улучшить экзотическую квантовую материю 1-3.jpg (jpg, 32 Kб)

Рисунок 1. (a) Схема направления лучей дипольной оптической ловушки. Красные линии показывают горизонтальные и вертикальные лучи; фиолетовая линия показывает зондирующий луч для визуализации поглощения. (b) Испарение атомов для образования конденсата. Синие точки обозначают значения мощности лучей, которые были заданы в качестве входных параметров для оптимизатора

С помощью лазерных пучков атомы подвергались дальнейшему охлаждению благодаря испарению, которое происходило за счёт плавного изменения мощности пучков. При снижении потенциала стенок ловушки атомы с более высокой энергией вырываются наружу, что снижает температуру оставшихся. Подобным способом ветер может охлаждать в жаркую погоду — более быстрые молекулы легче улетают дальше от обдуваемого тела, и температура этого тела снижается.

Машинное обучение помогло улучшить экзотическую квантовую материю 2-3.jpg (jpg, 50 Kб)

Рисунок 2. Аппроксимация атомного облака. (а) Плотность атомного облака с наличием БЭК. (b) Маска для разделения теплового облака и конденсата. (с) 3D-график подгонки теплового облака, (d) 3D-график решения уравнения Томаса-Ферми для описания теплового облака

Изменяя значение мощности лазерного луча и длительность процесса испарения, можно получать различное количество атомов в стабильном конденсате Бозе — Эйнштейна в конце этого процесса. Средствами обычного математического моделирования решить задачу поиска условий, при которых достигается максимальное количество атомов, не получается. Поэтому для подбора оптимальных параметров испарительного охлаждения учёные применили метод байесовской оптимизации. Процесс оптимизации привел к значительному росту количества атомов в субкритическом состоянии, предшествующем возникновению конденсата, однако при этом количество атомов в конденсате достигло потолка. Подобный эффект не был описан ранее. Учёные выдвинули гипотезу о влиянии трёхчастичных столкновений на предельное количество атомов в БЭК и использовали измеренный ранее спектр резонансов Фешбаха для изменения их интенсивности с помощью изменения магнитного поля. Применение байесовской оптимизации позволило уверенно получить максимально возможное количество атомов в конденсате в новом заданном поле, которое оказалось в два раза больше предыдущего.

Машинное обучение помогло улучшить экзотическую квантовую материю 3-3.jpg (jpg, 26 Kб)

Рисунок 3. По горизонтальной оси отложено общее число атомов в подкритической фазе перед образованием конденсата, по вертикальной — в самом конденсате. Сначала оптимизировали процесс при магнитном поле величины 3,91 Гс, затем обнаружили, что при тех же параметрах в поле 4,8 Гс можно достичь значительно большего числа атомов

«Мы смогли взглянуть на физику процесса через призму машинного обучения, что позволило не только оптимизировать эксперимент, но и понять физические ограничения, с которыми мы сталкивались, — рассказал Давлет Кумпилов, аспирант кафедры Российского квантового центра МФТИ. — Нам удалось оптимизировать параметры процесса лазерного охлаждения, что привело к значительному увеличению количества атомов в конденсате Бозе — Эйнштейна».

Этот результат, полученный с использованием машинного обучения, не только демонстрирует потенциал новых технологий, но и подч`ркивает важность глубокого понимания физики для развития квантовых симуляций. Исследование открывает широкие перспективы для будущих приложений в области материаловедения и фундаментальной физики.

Текст: Игорь Воронцов.
Источник: «За науку».