CEA Paris-Saclay 超导磁体的数据驱动优化
加速器物理
2026-04-02 v2 等离子体物理
摘要
粒子加速器用的超导磁体在设计时极具挑战性，因为它们涉及大量耦合的物理现象和复杂数据集的管理。人工智能（AI），包括机器学习和先进优化技术，为应对这些挑战并加速设计过程提供了有前景的方法。本文提出了一种新的基于 AI 的优化和数据管理平台，并展示了 CEA Paris-Saclay 开展的若干 AI 方法应用，包括使用主动学习的多物理场优化、拓扑优化、电子回旋共振（ERC）离子源的整体建模以及失超事件中的异常检测。
引用
@article{arxiv.2603.29740,
title = {Data-Driven Optimisation of Superconducting Magnets at CEA Paris-Saclay},
author = {Damien F. G. Minenna and Guillaume Dilasser and Robin Penavaire and Valerio Calvelli and Thibault de Chabannes and Thibault Lecrevisse and Thomas Achard and Jason Le Coz and Christophe Berriaud and Benoît Bolzon and Antomne Caunes and Phillipe Fazilleau and Hélène Felice and Clément Genot and Antoine Guinet and Nikola Jerance and François-Paul Juster and Thibaut Lemercier and Gilles Lenoir and Clément Lorin and Yann Perron and Camille Pucheu-Plante and Étienne Rochepault and Damien Simon and Francesco Stacchi and Michel Segreti and Vincent Trauchessec and Olivier Tuske and Hajar Zgour},
journal= {arXiv preprint arXiv:2603.29740},
year = {2026}
}