利用谱虚拟诊断准确且可信地预测电子束纵向性质
加速器物理
2021-02-09 v1 机器学习
摘要
纵向相空间（LPS）为各类科学应用中的电子束动力学提供了关键信息，例如可揭示自由电子激光产生的高亮度 X 射线辐射的机理。现有诊断具有侵入性，且常无法达到所需分辨率。本工作中，我们提出一种基于机器学习的虚拟诊断（VD）工具，利用从相对论电子束辐射中非破坏性地采集的谱信息，对每次发射的电子束 LPS 进行准确预测。我们在三个不同案例研究（采用实验或模拟数据）中展示了该工具的精度。针对各案例，我们引入一种提升 VD 工具可信度的方法。我们预期谱 VD 将改进 DOE 用户设施中实验装置的搭建与理解，以及数据分类与分析。谱 VD 能在下一代高重复频率直线加速器上提供纵向束团性质的可信认知，同时降低数据存储、读出与流传输需求的负担。
引用
@article{arxiv.2009.12835,
title = {Accurate and confident prediction of electron beam longitudinal properties using spectral virtual diagnostics},
author = {A. Hanuka and C. Emma and T. Maxwell and A. Fisher and B. Jacobson and M. J. Hogan and Z. Huang},
journal= {arXiv preprint arXiv:2009.12835},
year = {2021}
}