Aprendizado de máquina aplicado ao resfriamento a laser

• Processo: 23/13719-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2024
• Data de Término da vigência: 31 de dezembro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física Atômica e Molecular
• Pesquisador responsável: Gustavo Deczka Telles
• Beneficiário: Vinícius Bueno Tafuri
• Instituição Sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Armadilha magneto-óptica Condensado de Bose-Einstein Gases atômicos ultrafrios
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Armadilha Magneto-óptica | condensados de Bose-Einstein | Gases quânticos

Resumo

Amostras atômicas resfriadas via laser estão estabelecidas há décadas e fizeram grandes contribuições para a ciência. Mais recentemente, o aprendizado de máquina evoluiu muito e tornou-se um meio eficiente para investigar modelos empíricos de sistemas complexos. Normalmente, a dinâmica complexa apresentada pelos sistemas de interação de muitos corpos impede a otimização analítica precisa dos mecanismos de resfriamento e da captura. Nesse projeto, aplicaremos os métodos fundamentais de aprendizado de máquina para otimizar a preparação de um conjunto atômico neutro de átomos de 87Rb. Vale ressaltar que as soluções encontradas pelos algoritmos de aprendizado de máquina tendem a ser significativamente diferentes das soluções adiabáticas e contínuas adotadas pelos pesquisadores e, portanto, serão estudadas e comparadas no decorrer do projeto. De qualquer maneira, acreditamos que as novas soluções superarão a combinação de parâmetros já conhecidos que otimizam a preparação de amostras atômicas neutras, altamente densas e frias.