Fast machine-learning online optimization of ultra-cold-atom experiments : Scientific Reports

And now for something completery different.

Области применения машинного обучения невероятно широки - ещё одним подтверждением этого стала новость от команды физиков, которые с помощью искусственного интеллекта сумели повторить опыт 1995-го года по получению конденсата Бозе-Эйнштейна, принёсшего в 2001-м году своим авторам Нобелевскую премию по физике.

Если вкратце, конденсат Бозе-Эйнштейна - это агрегатное состояние вещества, основу которого составляют бозоны, охлаждённые практические до абсолютного нуля (в опыте 1995-го года эта температура составила несколько десятков нанокельвинов). Примечательно это состояние тем, что в нём на макроскопическом уровне начинают проявляться квантовые эффекты, представляющие интерес для исследователей.

Основная проблема эксперимента заключается в том, что чем меньше энергии остаётся у системы, тем сложнее её отнимать, поэтому охлаждением до сверхнизких температур занимаются сложные установки и агрегаты.

В ходе опыта атомы рубидия сравнительно «легко» охладили до температуры в 1 микрокельвин, а вот дальше в работу включились методы лазерного охлаждения. Однако для использования этого метода необходимо крайне точно и эффективно оперировать лазерами, поскольку процесс охлаждения на данном этапе становится очень сложным и неоднородным. Именно эту задачу и доверили искусственному интеллекту, обучив его на пробных экспериментах охлаждать вещества с помощью лазеров.

В итоге система, управляемая искусственным интеллектом, смогла охладить рубидиевый газ до температуры в 1 нанокельвин и успешно поддерживать эту температуру. По мнению учёных, данный эксперимент открывает новые возможности по получению конденсата Бозе-Эйнштейна при меньших затратах времени и усилий, что должно очень обрадовать исследователей этого агрегатного состояния.

Оригинальная статья: http://www.nature.com/articles/srep25890

Исходный код (однако, Python): https://github.com/michaelhush/M-LOOP

Источник: www.nature.com

Комментарии: