通用模式下准周期椭圆偏振波荡器的神经网络模型
加速器物理
2022-01-19 v1
摘要
机器学习近来已在多个光源设施的加速器物理领域中得到应用与部署。我们引入一种基于机器学习的方法,以产生一个快速执行的模型,用于预测插入器件辐射光的偏振与能量。本文展示了机器学习模型如何先在仿真数据上训练,随后用规模更小、有限的实测数据集进行校准,这一技术被称为迁移学习。该成果将使用户能够高效确定插入器件设置,以实现任意束流特性。
引用
@article{arxiv.2201.05755,
title = {A Neural Network Model of a Quasi-Periodic Elliptically Polarizing Undulator in Universal Mode},
author = {Ryan Sheppard and Cameron Baribeau and Tor Pedersen and Mark Boland and Drew Bertwistle},
journal= {arXiv preprint arXiv:2201.05755},
year = {2022}
}