Quantum many-body calculations of ultracold atoms using deep neural networks

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K03804
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 13020:Semiconductors, optical properties of condensed matter and atomic physics-related
• Research Institution: The University of Electro-Communications
• Principal Investigator: Saito Hiroki 電気通信大学, 大学院情報理工学研究科, 教授 (60334497)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: ボース・アインシュタイン凝縮 / 量子渦 / 機械学習 / 強化学習

Outline of Final Research Achievements

Recently, technologies of artificial intelligence and machine learning have been developping rapidly. In this research project, I applied methods of machine learning to the system of ultracold atoms. I used the reinforcement learning to create desired states of the system by controlling an external potential. As a result, I found that the desired vortex states can be generated in a Bose-Einstein condensate by controlling the external potential. I also found a method to create skyrmions in a Bose-Einstein condensate hydrodynamically.

Free Research Field

量子凝縮系物理学

Academic Significance and Societal Importance of the Research Achievements

冷却原子系は量子力学的現象を研究する上で非常に理想的な物理系である。その理由は超低温でクリーンであるというばかりでなく、制御性が高いということが大きな理由として挙げられる。これまで、粒子間相互作用や外部ポテンシャルなどを制御することによって多くの量子力学的な物理現象がこの系で調べられてきた。本研究は、強化学習の手法を用いて、これらのパラメータを時間の関数としてどのように制御すれば望みの状態が得られるかという問いに答えたものであり、冷却原子系の制御性をより高めたという意義を持つ。