cDVAE: 基于变分自编码器潜在嵌入引导的多模态条件扩散生成用于虚拟6D相位空间诊断
组合数学
2024-11-26 v2 概率论
摘要
当前不可能以单次测量方式成像粒子加速器束的6D相位空间。单次测量仅存在于某些2D束投影中，这些方法具有破坏性。一种能够生成束6D相位空间准确预测的虚拟诊断工具对于精确控制束而言极为有用。在本工作中，我们发展了一种基于条件扩散的生成方法，用于创建对粒子束6D相位空间所有15个唯一2D投影的虚拟诊断。扩散过程由标量参数和图像的组合引导，这些输入通过变分自编码器 (VAE) 转换为低维潜在向量表示。我们展示了由VAE引导的条件扩散 (cDVAE) 能够准确重建HiRES紧凑型加速器的粒子束6D相位空间的所有15个唯一2D投影。
引用
@article{arxiv.2407.20217,
title = {A new framework for identifying most reliable graphs and a correction to the $K_{3,3}$-theorem},
author = {Lorents F. Landgren and Jeffrey E. Steif},
journal= {arXiv preprint arXiv:2407.20217},
year = {2024}
}
备注
44 pages, 26 figures. Some shortened arguments, clarifications, copyediting, two new figures. Comments welcome