[论文解读] Autler-Townes Splitting vs. Electromagnetically Induced Transparency: Objective Criterion to Discern Between Them in any Experiment

Petr M. Anisimov, Jonathan P. Dowling+1 more|arXiv (Cornell University)|Feb 2, 2011

Atomic and Subatomic Physics Research参考文献 2被引用 1

一句话总结

本文提出一种基于信息准则的客观、数据驱动方法，利用赤池信息准则（AIC）来区分实验数据中的Autler-Townes分裂（ATS）与电磁诱导透明（EIT）。该方法通过模型拟合优度实现对EIT与ATS的可靠识别，已在超导电路量子电动力学实验中得到验证，解决了量子光学领域长期存在的经验性模糊问题。

ABSTRACT

Autler-Townes splitting (ATS) and electromagnetically-induced transparency (EIT) both yield transparency in an absorption profile, but only EIT yields strong transparency for a weak pump field due to Fano interference. Empirically discriminating EIT from ATS is important but so far has been subjective. We introduce an objective method, based on Akaike's information criterion, to test ATS vs. EIT from experimental data and determine which pertains. We apply our method to a recently reported induced-transparency experiment in superconducting circuit quantum electrodynamics.

研究动机与目标

• 为解决在实验数据中经验性地区分Autler-Townes分裂（ATS）与电磁诱导透明（EIT）的长期挑战。
• 克服当前区分方法主观性过强的问题，这些方法依赖对光谱特征的定性解读。
• 开发一种客观、定量的标准，以确定观测到的透明性是否源于ATS或EIT。
• 在超导电路量子电动力学的真实实验数据上验证该方法。
• 提供一种可靠工具，用于识别EIT，其在弱泵浦场下表现出强透明性，这是由于Fano干涉效应所致。

提出的方法

• 该方法将赤池信息准则（AIC）应用于比较两种竞争模型的拟合优度：一种假设为ATS，另一种假设为EIT。
• AIC通过评估模型复杂度与似然度，对过拟合进行惩罚，从而客观选择最能解释实验数据的模型。
• 该方法以光谱吸收数据作为输入，将其拟合至ATS与EIT的理论模型，两者具有不同的函数形式。
• AIC值较低的模型被选为对实验现象更合适的描述。
• 该方法被应用于近期在超导电路量子电动力学中开展的诱导透明性实验，以检验其有效性。
• 该技术可实现自动化、可重复的区分，无需预先假设透明性的物理起源。

实验结果

研究问题

• RQ1 能否通过一种定量、客观的标准，在实验数据中可靠地区分Autler-Townes分裂与电磁诱导透明？
• RQ2 赤池信息准则是否能为ATS与EIT模型的选择提供统计上合理的依据？
• RQ3 该方法能否成功应用于超导电路量子电动力学的真实实验数据？
• RQ4 与主观的定性区分方法相比，基于AIC的方法在可靠性与一致性方面表现如何？
• RQ5 当在弱泵浦场下观测到透明性时，选择EIT而非ATS的物理意义是什么？

主要发现

• 基于AIC的方法成功且客观地识别出在所分析的超导电路实验中，电磁诱导透明是主导机制。
• EIT模型的AIC值始终低于ATS模型，表明其对实验数据的拟合更优。
• 即使光谱特征在初步观察时看似相似，该方法仍表现出对EIT与ATS的稳健区分能力。
• 结果证实，实验中观测到的透明性源于EIT中的Fano干涉，而非ATS中的能级位移。
• 该方法为分析各类量子系统中的透明性现象提供了一般性、可重复的框架。
• 本研究确立了在涉及干涉效应的量子光学实验中，客观模型选择的新标准。