光鑷技術(shù)已成為操縱微觀世界的關(guān)鍵手段,其應(yīng)用范圍涵蓋微小粒子、生物分子乃至中性原子的精準(zhǔn)調(diào)控。本研究采用生成神經(jīng)網(wǎng)絡(luò)來(lái)設(shè)計(jì)光鑷陣列布局,這一創(chuàng)新方法依托于靈活可調(diào)的原子排列,通過(guò)集成的生成模型驅(qū)動(dòng)空間光調(diào)制器(SLM),實(shí)現(xiàn)高效中性冷鍶原子在多樣化光鑷結(jié)構(gòu)中的俘獲。該技術(shù)的核心挑戰(zhàn)在于,針對(duì)每種新型光鑷模式,傳統(tǒng)方法均需重新進(jìn)行純相位全息圖的精細(xì)優(yōu)化,這不僅耗時(shí)巨大,還可能限制實(shí)時(shí)原子陣列的操控。本文介紹的方法通過(guò)加速SLM的調(diào)控流程,大幅縮減準(zhǔn)備時(shí)間,盡可能的壓縮操作延遲,無(wú)需頻繁迭代全息圖的優(yōu)化步驟,為光鑷技術(shù)在動(dòng)態(tài)環(huán)境中的應(yīng)用開(kāi)辟了新途徑。
圖1 基于深度學(xué)習(xí)的原子陣列制作方案概述。為了捕獲88Sr原子使用了光鑷陣列??臻g光調(diào)制器(SLM)由基于U-net模型生成的神經(jīng)網(wǎng)絡(luò)控制。該生成模型使用光鑷圖像和相應(yīng)的SLM全息圖組成的全息圖數(shù)據(jù)集進(jìn)行訓(xùn)練,各種光鑷的配置可以根據(jù)需要?jiǎng)?chuàng)建。
圖2 生成式神經(jīng)網(wǎng)絡(luò)產(chǎn)生的各種原子陣列。(a)~20個(gè)鑷子點(diǎn)的實(shí)驗(yàn)吸收?qǐng)D像,其中每個(gè)亮點(diǎn)對(duì)應(yīng)~ 30個(gè)88Sr原子的集合。通過(guò)訓(xùn)練后的生成神經(jīng)網(wǎng)絡(luò)形成了正方形、三角形和蜂窩形狀的各種網(wǎng)格,晶格常數(shù)是15μm,吸收?qǐng)D像通過(guò)sCMOS相機(jī)記錄。(b)當(dāng)原子信號(hào)位于鑷子阱的中心時(shí),我們將 SNR 定義為Isignal和Inoise的比值。(c)通過(guò)比較算法運(yùn)行時(shí)間和鑷子陣列質(zhì)量,顯示生成神經(jīng)網(wǎng)絡(luò)(綠色)在所需迭代次數(shù)方面優(yōu)于 GS 算法(紫色),無(wú)需迭代即可達(dá)到鑷子陣列的SNR。
文中提到在每個(gè)量子阱中均能捕獲幾十個(gè)Sr原子,為精確量化俘獲的原子數(shù)目,實(shí)驗(yàn)將一束461nm的準(zhǔn)直激光束照射Sr原子陣列,并通過(guò)鑫圖Dhyana 400BSI V3記錄光密度(OD)。因?yàn)椴煌奈⒂^陷阱可能捕獲的原子數(shù)量各異,從而引起局部光密度的顯著差異。因此這就要求相機(jī)具有足夠大的動(dòng)態(tài)范圍,Dhyana 400BSI V3相機(jī)的動(dòng)態(tài)范圍為90dB,這樣不僅有效防止了信號(hào)過(guò)飽和及損失,還確保了在光強(qiáng)變化劇烈的情況下依舊能進(jìn)行準(zhǔn)確的記錄。此外,Dhyana 400BSI V3具備6.5μm的高分辨率,這一特性對(duì)于精細(xì)區(qū)分并準(zhǔn)確計(jì)算尤為關(guān)鍵,確保了對(duì)光鑷陣列中各離散光密度信號(hào)的清晰辨別。加之其峰值量子效率為95%,這樣能提高對(duì)原子陣列散發(fā)的微弱光信號(hào)的捕捉能力,使得數(shù)據(jù)收集更為靈敏且可靠。
參考文獻(xiàn)
Ren Z, Yan X, Wen K, et al. Creation of a tweezer array for cold atoms utilizing a generative neural network[J]. arXiv preprint arXiv:2401.06014, 2024.
該文章旨在為大家提供先進(jìn)成像技術(shù)相關(guān)應(yīng)用參考,部分內(nèi)容摘抄于相關(guān)論文研究成果,版權(quán)歸原作者所有,引用請(qǐng)標(biāo)注出處。
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)