Imagerie d'absorption à simple exposition des atomes ultrafroids utilisant l'apprentissage profond

L'imagerie par absorption est la technique de sondage la plus courante dans les expériences avec des atomes ultrafroids. La procédure standard consiste à diviser deux images acquises lors d'expositions successives, l'une avec le signal d'absorption atomique et l'autre sans. Un problème bien connu est la présence de bruit structuré résiduel dans l'image finale, dû à de petites différences entre les sources lumineuses utilisées pour les deux expositions. Ici, nous résolvons ce problème en effectuant l'imagerie par absorption avec une seule exposition, où, au lieu d'une deuxième exposition, le cadre de référence est généré par un réseau neuronal autoencodeur d'achèvement d'image non supervisé. Le réseau est formé sur des images sans signal d'absorption afin qu'il puisse inférer le bruit superposé au signal atomique uniquement à partir des informations contenues dans la région entourant le signal. Nous démontrons notre approche sur des données capturées avec un gaz de Fermi quantique dégénéré. Le bruit résiduel moyen dans les images obtenues est inférieur à celui de la technique standard à double prise de vue. Notre méthode simplifie la séquence expérimentale, réduit les exigences matérielles et peut améliorer la précision des observables physiques extraits. Le réseau formé et ses scripts génératifs sont disponibles sous forme de dépôt open source (http://absDL.github.io/).