基于贝叶斯优化的磁光阱多参数自主优化系统

磁光阱是一种冷却陷俘原子的装置，磁光阱实验参数的优化是冷原子实验中基础且重要的工作，人工手动优化参数需耗费大量时间，且很难确保最终参数是全局最优的。基于贝叶斯优化的机器学习方法是一种对目标表达式未知、非凸、多峰的量子物理系统进行参数优化的有效方案，该过程通常远快于人工手动调节，且有更大概率找到全局最优值。提出了一种基于贝叶斯优化方法的冷原子多参数自主实时优化实验方案，该方案通过成本函数构造、控制程序编写、贝叶斯算法优化等形成一个可自主优化的闭环系统。实验结果表明，经过约30 min的迭代优化，所提方案可有效完成磁光阱系统的多参数优化，并得到最优的实验结果；所提方案验证了贝叶斯优化方法在多参数物理系统中应用的可行性，通过改进成本函数，还可应用于其他的复杂多参数实验物理系统最优参数快速确定。