Dark solitons in Bose–Einstein condensates: a dataset for many-body physics research
Dark solitons in Bose–Einstein condensates: a dataset for many-body physics research
复制标题
玻色爱因斯坦凝聚中的暗孤子：多体物理研究数据集
DOI：
10.1088/2632-2153/ac9454
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Zwolak, Justyna P
中科院分区：
文献类型：
--
作者：
Fritsch, Amilson R;Guo, Shangjie;Koh, Sophia M;Spielman, I B;Zwolak, Justyna P
我们建立了一个超过1的数据集。包含孤子激发的玻色-爱因斯坦凝聚体的6x104实验图像，使机器学习（ML）能够用于多体物理研究。大约33%的数据集是手动分配和精心策划的标签。其余部分使用soldet自动标记，这是一种基于物理的ML数据分析框架的实现，包括基于卷积神经网络的分类器和对象检测器，以及统计驱动的物理信息分类器和质量度量。本技术说明构成了数据集的最终参考，为数据科学界开发更复杂的分析工具，进一步了解非线性多体物理，甚至推进冷原子实验提供了机会。
We establish a dataset of over 1. 6× 104 experimental images of Bose–Einstein condensates containing solitonic excitations to enable machine learning (ML) for many-body physics research. About 33% of this dataset has manually assigned and carefully curated labels. The remainder is automatically labeled using SolDet—an implementation of a physics-informed ML data analysis framework—consisting of a convolutional-neural-network-based classifier and object detector as well as a statistically motivated physics-informed classifier and a quality metric. This technical note constitutes the definitive reference of the dataset, providing an opportunity for the data science community to develop more sophisticated analysis tools, to further understand nonlinear many-body physics, and even advance cold atom experiments.
DOI：
--
发表时间：
2009
期刊：
Encyclopedia of Complexity and Systems Science
影响因子：
--
作者：
M. Lakshmanan
通讯作者：
M. Lakshmanan
通过机器学习辅助参数优化，最大化光栅磁光陷阱的原子数。
影响因子：
3.8
作者：
Sangwon Seo;Jae Hoon Lee;Sang;S. Park;Meung Ho Seo;Jongcheol Park;T. Kwon;Hyun
通讯作者：
Hyun
玻色-爱因斯坦凝聚中的孤子涡旋
DOI：
10.1140/epjst/e2015-02389-7
发表时间：
2014
期刊：
The European Physical Journal Special Topics
影响因子：
--
作者：
M. Tylutki;S. Donadello;S. Serafini;L. Pitaevskiĭ;F. Dalfovo;G. Lamporesi;G. Ferrari
通讯作者：
G. Ferrari