量子科技中心_量科网

实验物理学中的一个基本挑战是如何提取与无法直接测量的变量相关的信息。这一挑战在量子系统中尤为严峻——当研究者需要获取测量基下非对角算符的关联信息时尤为如此。本文针对玻色超流体中的这一难题提出了解决方案：常规原位成像仅能获取空间分辨的密度信息，而对确认超流性至关重要的相位场（包括识别涡旋等拓扑缺陷）则被间接编码。先前研究虽能检测相位场中涡旋的位置，但尚未解决完整重建相位场或判定电荷属性（正反涡旋）的难题。本研究表明，结合深度机器学习模型与经典计算机视觉后处理步骤可突破这一局限。我们采用投影Gross-Pitaevskii方程模拟生成的合成数据，对谐波势阱中二维玻色-爱因斯坦凝聚体热态进行真实快照采样，训练基于U-Net架构的模型从观测密度场反推相位场梯度绝对值；随后运用独立机器学习模型定位涡旋核心位置，并通过后处理图形分析高精度重建相位场，包括判定每个涡旋的量子化电荷。