Skip to main content
QUICK REVIEW

[논문 리뷰] High-fidelity detection of large-scale atom arrays in an optical lattice

Renhao Tao, Maximilian Ammenwerth|arXiv (Cornell University)|2023. 09. 09.
Cold Atom Physics and Bose-Einstein Condensates인용 수 4
한 줄 요약

이 논문은 반발성 시시푸스 냉각을 사용하여 399개의 스트론티움 원자를 옵티컬 락킷에서 고정밀도(99.9995(3)%) 및 고생존율(99.80(5)%)로 영상화함으로써, 확장 가능하고 반복 가능한 락킷-트위저-락킷 이송과 단일 평면 옵티컬 락킷에 10,000개 이상의 원자를 직접 로딩하는 것을 가능하게 하여, 양자 시뮬레이션 및 계산 플랫폼에서 재구성 가능하고 국소적으로 주소 지정 가능한 리저보아르를 구현한다.

ABSTRACT

Recent advances in quantum simulation based on neutral atoms have largely benefited from high-resolution, single-atom sensitive imaging techniques. A variety of approaches have been developed to achieve such local detection of atoms in optical lattices or optical tweezers. For alkaline-earth and alkaline-earth-like atoms, the presence of narrow optical transitions opens up the possibility of performing novel types of Sisyphus cooling, where the cooling mechanism originates from the capability to spatially resolve the differential optical level shifts in the trap potential. Up to now, it has been an open question whether high-fidelity imaging could be achieved in a "repulsive Sisyphus" configuration, where the trap depth of the ground state exceeds that of the excited state involved in cooling. Here, we demonstrate high-fidelity ($99.971(1)\%$) and high-survival ($99.80(5)\%$) imaging of strontium atoms using repulsive Sisyphus cooling. We use an optical lattice as a pinning potential for atoms in a large-scale tweezer array with up to $399$ tweezers and show repeated, high-fidelity lattice-tweezer-lattice transfers. We furthermore demonstrate loading the lattice with approximately 10000 atoms directly from the MOT and scalable imaging over $>10000$ lattice sites with a combined survival probability and classification fidelity better than $99.2\%$. Our lattice thus serves as a locally addressable and sortable reservoir for continuous refilling of optical tweezer arrays in the future.

연구 동기 및 목표

  • 알칼리 earth 원자에 대해 이전에 탐색되지 않은 영역이었던 반발성 시시푸스 냉각 조건에서, 옵티컬 띅킷 내 대규모 원자 배열의 고정밀도, 저손실 탐지 기술을 확립하는 것.
  • 공통의 락킷 포텐셜을 이용해 원자들을 옵티컬 트위저와 옵티컬 락킷 간에 확장 가능하고 반복 가능한 이송을 가능하게 하는 것.
  • 단일 평면의 옵티컬 락킷에 10,000개 이상의 원자를 고밀도로 직접 로딩하여, 옵티컬 트위저 어레이의 연속적인 리필을 위한 국소적으로 주소 지정 가능한 리저보아르를 구축하는 것.
  • 스펙트로스코픽 피드백과 위상 최적화를 통해 옵티컬 트위저 어레이의 강도 비균형을 2.2% 이하로 감소시켜, 양자 제어를 위한 균일한 트랩 조건을 확보하는 것.

제안 방법

  • 689 nm에서의 1S₀–3P₁ 전이를 이용해 스트론티움 원자에 반발성 시시푸스 냉각을 적용하였으며, 여기 상태보다 기저 상태가 더 깊은 함입함으로써, 냉각 메커니즘이 반발성임에도 불구하고 고정밀 영상화가 가능함을 입증함.
  • 1040 nm의 리플렉션된 레이저 빔을 사용하여 2차원 옵티컬 락킷을 형성하였으며, 락킷 간격은 x축 기준 579(2) nm, y축 기준 1187(18) nm로 설정되어 트위저 어레이 내 원자에 대한 고정 포텐셜을 제공함.
  • 520 nm에서 공간 빛 조절 장치(SLM)를 이용해 399개의 사이트를 갖는 옵티컬 트위저 어레이를 구축하였으며, 형광 영상 및 가우시안 피팅을 통한 좌표계 캘리브레이션을 통해 락킷과 정확한 정렬을 달성함.
  • 스펙트로스코픽 피드백를 통한 차등적 빛 이동에 기반한 두 단계의 Gerchberg–Saxton 알고리즘을 사용하여 위상 복원 및 진폭 균형 조정을 수행하였으며, 강도 비균형을 2.2% 이하로 감소시킴.
  • 진단용 카메라를 이용해 SLM의 회절 효율을 캘리브레이션하고, 위상 복원 알고리즘에서 타겟 트위저 진폭을 √η의 역수로 가중하여 비균일성을 보정함.
  • 락킷과 트위저의 공진성 확인을 위해 락킷과 트위저의 좌표각을 비교함 (θ_x^lat = -1.090(0)°, θ_x^tw = -1.0452(2)°) 및 간격 비율을 분석함 (c_x^tw = 6a_x, c_y^tw = 3a_y).

실험 결과

연구 질문

  • RQ1기저 상태가 여기 상태보다 더 깊이 트랩되는 조건에서, 반발성 시시푸스 냉각 환경에서도 고정밀 영상화가 가능할 수 있는가?
  • RQ2공통의 옵티컬 락킷 포텐셜을 이용해, 고정 및 탐지 목적 모두에 사용되는 데서 반복 가능하고 고정밀도의 락킷-트위저-락킷 이송이 가능한가?
  • RQ310,000개 이상의 원자를 단일 평면의 옵티컬 락킷에 직접 로딩할 수 있으며, 이로써 옵티컬 트위저 어레이의 리저보아르로 기능할 수 있을 정도로 균일성이 확보되는가?
  • RQ4스펙트로스코픽 피드백와 반복적 위상 최적화를 통해 옵티컬 트위저의 강도 비균형을 얼마나 줄일 수 있는가?

주요 결과

  • 반발성 시시푸스 냉각을 사용한 옵티컬 락킷 내 스트론티움 원자에 대해 단일 촬영 영상 정확도 99.9995(3)%를 달성하여, 이 영역이 고정밀 탐지에 실현 가능함을 입증함.
  • 영상 과정 중 원자 생존 확률가 99.80(5)%로 확인되어 탐지 과정에서의 원자 손실 또는 가열이 최소화되었음을 시사함.
  • 반복 가능한 고정밀도의 락킷-트위저-락킷 이송을 성공적으로 수행하여, 원자 어레이의 스테이징 플랫폼으로서 락킷의 재사용 가능성을 입증함.
  • 단일 평면의 옵티컬 락킷에 10,000개 이상의 원자를 직접 로딩하여, 향후 트위저 어레이 리필을 위한 확장 가능하고 국소적으로 주소 지정 가능한 리저보아르를 구축함.
  • 스펙트로스코픽 피드백와 진폭 균형 조정을 3회 반복한 후 옵티컬 트위저 강도 비균형을 2.2% 이하로 감소시켜, 양자 제어를 위한 균일한 트랩 조건을 확보함.
  • 옵티컬 락킷과 트위저 어레이 간 정밀한 정렬을 달성하여 좌표각이 0.05° 이내로 일치하고, 간격 비율이 설계값과 일치함 (c_x^tw = 6a_x, c_y^tw = 3a_y).

더 나은 연구,지금 바로 시작하세요

논문 읽기부터 검토까지, 연구 시간을 획기적으로 줄여보세요.

카드 등록 없음 · 무료 플랜 제공

이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.