利用机器学习优化环形玻色-爱因斯坦凝聚体中的持续电流
摘要：用高斯过程学习者生成持续电流的方法，以实验控制超流的搅拌。学习者优化搅拌过程的四种不同结果：（O.I）定位和（O.II）最大化持续电流绕组数；以及（O.III）定位和（O.IV）在时间限制下的最大化。学习者根据实现的绕组数和搅拌引入的虚假涡旋数来确定优化结果。我们发现，学习者在优化搅拌协议方面取得了成功，尽管最佳搅拌轮廓在成本函数和场景选择上差异很大。这些结果表明，搅拌是稳健的，可以通过各种搅拌方法可靠地产生持续电流。
作者：Simeon Simjanovski, Guillaume Gauthier, Matthew J. Davis, Halina Rubinsztein-Dunlop and Tyler W. Neely
论文ID：2304.06199
分类：Quantum Gases
分类简称：cond-mat.quant-gas
提交时间：2023-04-14