صورة امتصاصية لذرات فائقة الباردة باستخدام التعلم العميق في حالة التعرض الواحد

التصوير بالامتصاص هو تقنية الاستكشاف الأكثر شيوعًا في تجارب الذرات الفائقة البرودة. تتضمن الإجراء القياسي تقسيم إطارين تم التقاطهما بتعريضات متتالية، أحدهما يحتوي على إشارة امتصاص الذرات والآخر لا يحتوي عليها. من المشاكل المعروفة وجود ضوضاء مهيكلة متبقية في الصورة النهائية، ناجمة عن الاختلافات الصغيرة بين ضوء التصوير في التعريضتين. هنا نحل هذه المشكلة من خلال أداء التصوير بالامتصاص باستخدام تعريضة واحدة فقط، حيث يتم إنشاء الإطار المرجعي بواسطة شبكة عصبية ذاتية التعلم غير مراقبة (Unsupervised Image-Completion Autoencoder Neural Network). يتم تدريب الشبكة على صور لا تحتوي على إشارة امتصاص بحيث يمكنها استنتاج الضوضاء المطوية فوق إشارة الذرات بناءً على المعلومات الموجودة في المنطقة المحيطة بالإشارة فحسب. نوضح نهجنا باستخدام بيانات تم جمعها من غاز فرمي كمي متناهي البرودة (Quantum Degenerate Fermi Gas). يكون المتوسط ​​للضوضاء المتبقية في الصور الناتجة أقل من ذلك في تقنية التعريض المزدوج القياسية. طريقتنا تبسط سلسلة التجربة، وتقلل من متطلبات الأجهزة، ويمكن أن تحسن دقة المؤشرات الفيزيائية المستخرجة. الشبكة المدربة وscrips لإنشائها متاحة كمستودع مفتوح المصدر (http://absDL.github.io/).