利用神经网络和可微分模拟重构扁平束与磁化束的四维相空间
加速器物理
2024-07-24 v2
摘要
在粒子加速器中，经常遇到具有跨平面耦合或两个横向相空间之间极端不对称性的束流。具有大横向发射度比率的扁平束对于未来的直线对撞机至关重要。同样，具有显著跨平面耦合的磁化束有望增强强子束中的电子冷却性能。制备这些束流需要对四维横向相空间进行精确控制和表征。在本研究中，我们采用生成式相空间重构（GPSR）技术，利用传统的四极杆扫描方法快速表征磁化束和扁平束的相空间分布。该重构技术在阿贡尾场加速器（Argonne Wakefield Accelerator）产生的电子束上进行了实验演示，并与传统诊断技术成功进行了基准测试。具体而言，我们表明从重构的相空间分布（例如磁化强度和扁平束发射度）中预测的束流参数与传统诊断方法测量的结果高度一致。
引用
@article{arxiv.2402.18244,
title = {Four-Dimensional Phase-Space Reconstruction of Flat and Magnetized Beams Using Neural Networks and Differentiable Simulations},
author = {Seongyeol Kim and Juan Pablo Gonzalez-Aguilera and Philippe Piot and Gongxiaohui Chen and Scott Doran and Young-Kee Kim and Wanming Liu and Charles Whiteford and Eric Wisniewski and Auralee Edelen and Ryan Roussel and John Power},
journal= {arXiv preprint arXiv:2402.18244},
year = {2024}
}