超越优化——监督学习在相对论激光-等离子体实验中的应用
等离子体物理
2021-09-07 v5 加速器物理
数据分析、统计与概率
摘要
我们探索了机器学习技术在相对论激光-等离子体实验中超越优化目的的应用。给定由变形镜引起的激光波前变化，我们预测激光尾场加速器产生的电子束电荷。机器学习实现了超越单纯搜索最优束电荷的特征分析，表明激光波前中的特定像差有利于产生更高的束电荷。监督学习模型能够表征测量数据质量，并识别不可复现的数据和潜在离群值。我们还在实验数据中引入虚拟测量误差，以检验模型在这些条件下的鲁棒性。本工作展示了机器学习方法如何惠及高度非线性相对论激光-等离子体相互作用问题中的数据分析和物理诠释。
引用
@article{arxiv.2011.05866,
title = {Beyond optimization -- supervised learning applications in relativistic laser-plasma experiments},
author = {Jinpu Lin and Qian Qian and Jon Murphy and Abigail Hsu and Yong Ma and Alfred Hero and Alexander G. R. Thomas and Karl Krushelnick},
journal= {arXiv preprint arXiv:2011.05866},
year = {2021}
}