DeepMind 近日发表论文，应用三种机器学习策略来优化用于生产玻色 - 爱因斯坦凝聚（BEC）的原子冷却过程。这是业内首次同时优化激光冷却和蒸发冷却机制。研究者提出了演化优化方法（差分进化）的结果，一种基于非参数推理的方法（高斯过程回归）和基于梯度的函数逼近器（人工神经网络）。使用装置的先验知识进行在线优化，并且学习者成功地从完全随机化的初始参数创建 BEC。与手动优化参数相比，优化这些冷却过程导致 BEC 原子数增加四倍。这种自动化方法可以在长期运行中保持接近最佳的性能。此外，论文表明机器学习技术可用于识别设备内不稳定的主要来源。