基于机器学习的单拍冷原子成像

在冷原子研究中,通常采用吸收成像的方式来进行冷原子状态的探测,然而该成像方式受探测过程中光学平面干涉、激光功率、频率、空间位置抖动等方面的扰动,最终形成的冷原子图像总是会出现残余部分空间结构噪声,导致成像质量的下降.尤其是对于冷原子密度稀薄的区域或者飞行时间较久的情况,往往需要大量的重复和平均才能得到理想的信噪比,然而这样不仅导致时间周期大幅度增加,还会引入大量随机噪声.本文基于机器学习提出了一种单拍冷原子成像方案,在该方案中仅需对冷原子进行单次吸收成像,对应背景图片可以通过自动编码器的神经网络来进行生成,有效地降低了成像的空间条纹噪声,大幅度提高成像质量,可以用于冷原子单循环多次成像.