文章目录

1 引 言

2 多参数优化系统的搭建

2.1 深度学习模型的建立

2.2 在线自主调参结构的搭建

3 实验系统介绍

4 结果与讨论

5 结 论

文章摘要:实验参数的优化调整在冷原子实验中是最基础且最重要的工作,优良实验结果的获得离不开实验参数的不断优化。提出了一种基于人工神经网络的超冷原子实验多参数自主优化方案。首先,详细介绍了神经网络结构的设置、自优化的学习策略。然后,将神经网络与全局最优化模拟退火算法相结合搭建了相应的多参数自主优化系统。最后,进行了利用直接蒙特卡罗模拟方法模拟磁光阱中冷原子动力学行为的实验,对所提系统的性能进行了验证。实验结果表明,经过约30 h的优化迭代,所提方案有效完成了对冷原子动力学行为实验系统输入参数的优化,并得到了一个稳定、有效且最优的实验结果。

文章关键词:

项目基金: