基于强化学习的 87Rb 原子偏振梯度冷却时序参数优化

摘要:

偏振梯度冷却的时序参数对冷原子制备有着重要影响，本文提出了一种有别于传统PGC时序的分段控制方法，设计了基于 Q 网络的强化学习框架对 30 个时序参数进行了优化，并探索了不同学习率和神经元个数对学习过程的影响，结果表明，当设置学习率为0.01，神经元个数为192 个时，学习过程具有较好的收敛性及参数探索能力，只需要 14.6min 即可收敛，最终可以获得 4.3×108 个温度约为 3.7μK 的冷原子团，无论是优化速度还是冷原子指标均优于人工优化， 对冷原子智能化制备具有重要借鉴意义。

Abstract: