深層学習を用いた超冷原子の単一露光吸収イメージング

吸収イメージングは、超冷原子実験における最も一般的な探査技術です。標準的な手順では、連続して取得された2つのフレームを分割します。1つは原子の吸収信号が含まれるフレーム、もう1つは吸収信号が含まれないフレームです。よく知られている問題は、最終画像に残存する構造化ノイズで、これは2つの露光間のイメージング光の小さな違いによって引き起こされます。本研究では、この問題を解決するために単一露光での吸収イメージングを行いました。2番目の露光の代わりに、無教師学習による画像補完オートエンコーダーニューラルネットワークにより参照フレームを生成します。ネットワークは吸収信号のない画像で訓練され、シグナル周囲の領域にある情報のみに基づいてノイズを推定できるように設計されています。我々は量子退行フェルミガスで取得したデータを使用して当手法を実証しました。得られた画像の平均残存ノイズは、標準的な2ショット技術よりも低いレベルでした。当手法は実験手順を簡素化し、ハードウェア要件を削減し、物理量の抽出精度を向上させる可能性があります。訓練済みのネットワークとその生成スクリプトはオープンソースリポジトリとして公開されています（http://absDL.github.io/）。