量子科技中心_量科网

超冷原子的量子态通常通过测量原子云的空间分布来确定。研究人员常采用原子云的吸收成像技术来获取这类空间信息。对于众多超冷原子应用而言，精确测定描述原子云空间分布的参数至关重要。该工作提出了改进的深度学习图像分类模型用于图像回归分析。为应对数据采集的挑战，该团队在模拟吸收图像上训练模型。通过将深度学习模型与最小二乘法进行性能对比，结果表明深度学习模型能获得与最小二乘法相当的精度，同时显著减少计算时间消耗。研究还对比了单原子图像模型与原子图像结合背景信息图像模型的性能，发现两者精度相近。采用单图像模型将实现单次曝光吸收成像，这既简化了实验设计，又降低了对成像硬件的需求要求。