Q-GAIN（quantum gas analysis and inference）Python 包为在冷原子实验中部署机器学习和物理信息分析技术提供了工具。它支持对原子玻色-爱因斯坦凝聚体的图像进行分类、目标检测和特征检测。

  • 实现了基于模块的工作流程，涵盖数据加载、预处理、ML 特征识别和传统分析。
  • 在 MNIST 手写数字分类上进行演示，以验证基本框架。
  • 重新实现了 SolDet 包，用于检测飞行时间数据中的孤子激发。
  • 包含一个目标检测工具，用于识别环形 BEC 图像中的量子化涡旋。