[论文解读] Adaptive Bayesian algorithm for achieving desired quantum transition

Han, Chengyin, Huang, Jiahao+5 more|arXiv (Cornell University)|Apr 27, 2020

Atomic and Subatomic Physics Research被引用 7

一句话总结

本文提出一种自适应贝叶斯算法，可自动确定实现 87Rb 原子中期望磁敏量子跃迁所需的控制电压，方法是通过相干布居囚禁（CPT）实现。该算法通过迭代更新基于实验测量的概率分布，仅需几次迭代即可收敛至正确电压，相较于传统方法表现出显著改进——尤其在电压-频率关系非线性时，标准差最高可降低 15 倍。

ABSTRACT

Bayesian methods which utilize Bayes' theorem to update the knowledge of desired parameters after each measurement, are used in a wide range of quantum science. For various applications in quantum science, efficiently and accurately determining a quantum transition frequency is essential. However, the exact relation between a desired transition frequency and the controllable experimental parameters is usually absent. Here, we propose an efficient scheme to search the suitable conditions for a desired quantum transition via an adaptive Bayesian algorithm, and experimentally demonstrate it by using coherent population trapping in an ensemble of laser-cooled $^{87}$Rb atoms. The transition frequency is controlled by an external magnetic field, which can be tuned in realtime by applying a d.c. voltage. Through an adaptive Bayesian algorithm, the voltage can automatically converge to the desired one from a random initial value only after few iterations. In particular, when the relation between the target frequency and the applied voltage is nonlinear, our algorithm shows significant advantages over traditional methods. This work provides a simple and efficient way to determine a transition frequency, which can be widely applied in the fields of precision spectroscopy, such as atomic clocks, magnetometers, and nuclear magnetic resonance.

研究动机与目标

• 开发一种自动、高效的方法，以确定在复杂系统中实现期望量子跃迁所需的精确实验条件。
• 解决当目标频率与控制参数之间关系未知或非线性时调节控制参数的挑战。
• 展示自适应贝叶斯优化在真实量子实验中的有效性，特别是在精密光谱学中的应用。
• 在存在噪声和参数波动的情况下，实现对目标跃迁频率的鲁棒、快速且精确的收敛。

提出的方法

• 该算法使用贝叶斯定理，在每次实验测量后更新控制参数（电压）的概率分布。
• 采用序列测量策略，每次新测量均细化后验分布，指导下一次电压设置。
• 该方法基于观测到的 CPT 谱建立似然模型，不确定性通过后验方差量化。
• 算法自适应选择下一电压，以最小化期望后验方差，从而在每一步实现信息增益最大化。
• 系统采用线性平行（lin||lin）CPT 构型，在激光冷却的 87Rb 原子中进行，外加磁场通过直流电压调节。
• 对电压与跃迁频率之间非线性响应的建模不依赖于函数形式的先验知识。

实验结果

研究问题

• RQ1 自适应贝叶斯算法是否能在未知系统响应的情况下，自动收敛至实现期望量子跃迁的正确电压？
• RQ2 当目标频率与控制电压之间关系非线性时，该算法表现如何？
• RQ3 与基于拟合的传统方法相比，该算法在多大程度上降低了不确定性（标准差）？
• RQ4 该算法在 CPT 信号存在噪声及施加电压波动的情况下，其鲁棒性如何？

主要发现

• 即使从随机初始值出发，自适应贝叶斯算法在少于 10 次迭代内成功收敛至正确电压。
• 在非线性区域，经过 50 次迭代后，该算法将估计频率的标准差降低至 1.1 kHz，约为传统方法的 1/15。
• 该算法对 CPT 信号中的噪声及施加电压的波动表现出强鲁棒性，同时保持高精度。
• 在线性关系下，该算法性能与传统方法相当，但具备自动化和自适应的附加优势。
• 在非线性情况下，经过 10 次迭代后，后验标准差已显著减小，表明收敛速度极快。
• 该方法实现了对量子跃迁的精确、自动调谐，对原子钟和磁力仪等应用至关重要。