用于动力系统的集成储备池计算：强子储存环相空间稳定区的预测
加速器物理
2023-01-18 v1 机器学习
摘要
我们研究了集成储备池计算方法预测相空间区域长期行为的能力，在该相空间区域内，强子储存环中带电粒子的运动是有界的，即所谓的动力学孔径。目前，强子储存环相空间稳定区的计算是通过直接计算机模拟完成的，这是一个耗费大量资源和时间的过程。回声状态网络 (ESN) 是一类计算高效的递归神经网络，因为它避免了反向传播且仅需要交叉验证。此外，它们已被证明是动力系统的通用近似器。在本文中，我们展示了基于集成方法的 ESN 在预测相空间稳定区方面的性能，并将其与基于哈密顿系统 Nekhoroshev 定理的稳定时间估计的分析标度律进行了比较。我们观察到，所提出的 ESN 方法能够有效预测动力学孔径范围的时间演化，改进了分析标度律的预测，从而提供了一个高效的代理模型。
引用
@article{arxiv.2301.06786,
title = {Ensemble Reservoir Computing for Dynamical Systems: Prediction of Phase-Space Stable Region for Hadron Storage Rings},
author = {Maxime Casanova and Barbara Dalena and Luca Bonaventura and Massimo Giovannozzi},
journal= {arXiv preprint arXiv:2301.06786},
year = {2023}
}