基于改进贝叶斯算法的光晶格辅助超冷原子分步优化方法

本技术涉及量子测量，特别是涉及一种基于改进贝叶斯算法的光晶格辅助超冷原子分步优化方法。

背景技术：

1、原子激光冷却技术是量子系统中的一项重要技术，是量子精密测量、量子模拟、量子信息处理、玻色爱因斯坦凝聚态制备等领域的重要支撑技术。常见的原子冷却技术有磁光阱冷却、磁压缩冷却、偏振梯度冷却、光晶格冷却、拉曼边带冷却等。在原子激光冷却过程中，高原子数和低温两者之间通常是相互矛盾的，激光冷却需要利用到自发辐射，而自发辐射的光子可能被其他原子重吸收，重吸收引起的加热效应随着原子团密度的增加而增强，导致平均温度的升高。冷原子制备是一个相对复杂且呈高度非线性的过程，受诸多参数的影响，且各参数之间还存在不同程度的耦合，因此在传统优化中，主要由实验人员凭经验来完成各实验参数的优化，优化过程具有一定的盲目性，且最优参数取决于待优化参数的人工搜索步长，因此普遍存在优化效率低、优化精度差的问题。尤其对于冷却过程控制参数较多的情况，基本不可能通过人工的方式实现全局优化。

2、近年来，随着计算机硬件的发展和人工智能的不断成熟，许多研究小组纷纷开始尝试用智能算法来解决量子系统优化问题，比如，遗传算法、差分进化算法、粒子群算法等，这些算法可寻找全局最优值，但比较依赖种群数量，数量过大则需要大量的实验，影响优化效率，数量过少则难以找到合适的最优值。也有小组使用了多层感知器、深度神经网络、强化学习等机器学习方法解决类似问题，上述方案都属于数据驱动的机器学习算法，对多参量、多目标优化问题具有很强的适用性，但需要有大量数据做支撑，对系统稳定性、数据数量、数据质量要求较高，并且优化效率低。

3、为解决当前高质量超冷原子制备中的矛盾问题，我们提出了一种基于改进贝叶斯算法的光晶格辅助超冷原子分步优化方法。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高优化效率的基于改进贝叶斯算法的光晶格辅助超冷原子分步优化方法。

2、一种基于改进贝叶斯算法的光晶格辅助超冷原子分步优化方法，所述方法应用于原子冷却实验系统，包括：

3、将pgc时间划分为10段，对每段时间步长进行单独控制并确定待优化的时序参数，待优化的时序参数包括待优化pgc参数和待优化光晶格参数；

4、保持晶格光关闭，对待优化pgc参数进行线性插值人工优化，初步将原子温度降低至预先设置的温度阈值以下获取多组先验数据同时确定待优化pgc参数的上下界；根据先验数据对高斯模型进行初始预更新，利用初始预更新后的高斯模型的ei采集函数在采样空间中进行一次采样，预测得到候选的pgc参数；

5、将候选的pgc参数代入实验系统中运行一次实验，根据运行过程中采集到的原子荧光信号计算第一pgc优化损失函数；

6、根据先验数据和候选的pgc参数构建观测参数集，对观测参数集中各参数模长进行计算，将各参数模长按从小到大的顺序重新排列，得到排列后的观测参数集；按顺序逐次计算排列后的观测参数集中相邻参数之间的欧氏距离，得到观测参数领域集；取观测参数领域集中最大值对应的参数做插值采样，得到最大领域探索参数；

7、将最大领域探索参数代入实验系统中运行一次实验，根据运行过程中采集到的原子荧光信号计算第二pgc优化损失函数；

8、根据候选的pgc参数和第一pgc优化损失函数组成一组观测数据，利用最大领域探索参数和第二pgc优化损失函数组成一组观测数据，根据两组观测数据对高斯模型进行两次更新，得到更新后的高斯模型；

9、利用更新后的高斯模型进行最优参数预测并不断更新高斯模型直至达到预先设置的收敛条件时，将每次更新后的高斯模型预测的最优参数加入到观测参数集中，从观测参数集中选择最优的参数作为pgc最优控制参数；预先设置的收敛条件为最大迭代次数；

10、打开晶格光，保持pgc最优控制参数并以预先设置的光晶格优化损失函数对待优化光晶格参数，得到光晶格最优控制参数。

11、在其中一个实施例中，打开晶格光，保持pgc最优控制参数并以预先设置的光晶格优化损失函数对待优化光晶格参数，得到光晶格最优控制参数，包括：

12、打开晶格光，对待优化光晶格参数进行线性插值人工优化，初步将原子温度降低至预先设置的温度阈值以下获取多组先验数据同时确定待优化光晶格参数的上下界；根据先验数据对高斯模型进行初始预更新，利用初始预更新后的高斯模型的ei采集函数在采样空间中进行一次采样，预测得到候选的光晶格参数；

13、将候选的光晶格参数代入实验系统中运行一次实验，根据运行过程中采集到的原子荧光信号计算第一光晶格优化损失函数；

14、根据先验数据和候选的光晶格参数构建光晶格观测参数集，对光晶格观测参数集中各参数模长进行计算，将各参数模长按从小到大的顺序重新排列，得到排列后的光晶格观测参数集；按顺序逐次计算排列后的光晶格观测参数集中相邻参数之间的欧氏距离，得到光晶格观测参数领域集；取光晶格观测参数领域集中最大值对应的参数做插值采样，得到光晶格最大领域探索参数；

15、将光晶格最大领域探索参数代入实验系统中运行一次实验，根据运行过程中采集到的原子荧光信号计算第二光晶格优化损失函数；

16、根据候选的光晶格参数和第一光晶格优化损失函数组成一组观测数据，利用光晶格最大领域探索参数和第二光晶格优化损失函数组成一组观测数据，根据两组观测数据对高斯模型进行两次更新，得到更新后的高斯模型；

17、利用更新后的高斯模型进行光晶格最优参数预测并不断更新高斯模型直至达到预先设置的收敛条件时，将每次更新后的高斯模型预测的光晶格最优参数加入到光晶格观测参数集中，从光晶格观测参数集中选择最优的参数作为光晶格最优控制参数。

18、在其中一个实施例中，待优化pgc参数包括起始功率、截至功率、起始冷却光失谐、截止冷却光失谐、时间步长以及磁场关断时刻；待优化光晶格参数包括原子绝热装载或卸载时间、晶格光打开时刻、晶格光关断时刻以及磁场关断时刻。

19、在其中一个实施例中，根据运行过程中采集到的原子荧光信号计算第一pgc优化损失函数，包括：

20、根据运行过程中采集到的原子荧光信号和预先设置的偏置项进行信号拟合，得到原子团速度分布的高斯半径的估计值；

21、根据高斯半径的估计值计算得到原子温度；利用原子温度构建第一pgc优化损失函数。

22、在其中一个实施例中，利用原子温度构建第一pgc优化损失函数，包括：

23、利用原子温度构建第一pgc优化损失函数为

24、；

25、；

26、其中，表示原子温度，表示原子温度的拟合误差,为玻尔兹曼常数，为原子质量,表示原子团速度分布的高斯半径的估计值,表示惩罚因子。

27、在其中一个实施例中，取观测参数领域集中最大值对应的参数做插值采样，得到最大领域探索参数，包括：

28、取观测参数领域集中最大值对应的参数做插值采样，得到最大领域探索参数为

29、；

30、其中，表示最大值对应的参数。

31、在其中一个实施例中，预先设置的光晶格优化损失函数为

32、；

33、其中，为拟合误差惩罚因子，是为了使变换为同一量级的变换参数，表示原子温度，表示信号峰值，表示原子温度的拟合误差。

34、上述基于改进贝叶斯算法的光晶格辅助超冷原子分步优化方法，本技术将传统pgc过程中控制参数的均匀插值改为10段可变时间步长，达到了精细控制原子冷却过程的目的；利用光晶格周期性势阱弱化原子冷却过程中的重吸收加热作用，提升了冷原子制备质量；对全局参数做了分步解耦优化，规避了全参数优化所面临的优化效率低、无效数据多、观测噪声大等问题；有针对性的设计了2种损失函数，综合考虑了原子温度、原子数、观测噪声等因素的影响；在贝叶斯优化方法的基础上采用了先验经验预更新和最大邻域插值采样，提高了算法的搜索效率并拓展了全局探索性能，本技术能在不降低原子数的前提下将原子温度降低至百nk量级，同时极大提升优化效率，实现冷却参数的全局优化，快速获得优于传统pgc的高质量超冷原子。