用于超短X射线自由电子激光脉冲在线表征的人工智能
数据分析、统计与概率
2023-01-10 v3 人工智能
加速器物理
光学
摘要
X射线自由电子激光（XFELs）作为世界上最亮的光源，提供持续时间通常在飞秒量级的超短X射线脉冲。近来，它们已逼近并进入阿秒 regime，这为单分子成像和研究局域电子动力学等非线性与超快现象带来新前景。然而，XFELs向用于超快过程精密计量的可控光源的技术演进，一直受限于阿秒前沿表征X射线脉冲的诊断能力。对此，光电子角条纹光谱技术已成功证明如何以非破坏方式在单发基础上反演XFEL脉冲的精确时间-能量结构。通过采用人工智能技术，特别是卷积神经网络，我们在此展示如何将该技术从原理验证阶段推向常规诊断，即便在高中重复频率XFELs下亦可，从而增强并细化其在所有相关学科中的科学可及性。
引用
@article{arxiv.2108.13979,
title = {Artificial intelligence for online characterization of ultrashort X-ray free-electron laser pulses},
author = {Kristina Dingel and Thorsten Otto and Lutz Marder and Lars Funke and Arne Held and Sara Savio and Andreas Hans and Gregor Hartmann and David Meier and Jens Viefhaus and Bernhard Sick and Arno Ehresmann and Markus Ilchen and Wolfram Helml},
journal= {arXiv preprint arXiv:2108.13979},
year = {2023}
}
备注
This version includes Supplementary Information