自由电子激光中电子束团纵向特性的混合诊断
加速器物理
2022-10-19 v1 机器学习
摘要
电子束团的纵向特性对各类科学装置的性能至关重要。例如在自由电子激光中，现有诊断在在线调谐与优化过程中仅能提供非常有限的电子束团纵向信息。我们利用人工智能之力，基于实验数据构建神经网络模型，以在线上虚拟地实现破坏性的纵向相空间（LPS）诊断，并改进现有使用相干渡越辐射（CTR）谱仪的电流剖面在线诊断。该模型还可作为真实机器的数字孪生，在其上可高效且有效地测试算法。我们在 FLASH 装置上证明，具有多个解码器的编码器-解码器模型可对束列中电子束团的高像素 LPS 图像与相干渡越辐射谱进行高度准确的同步预测，这些束团的 LPS 形状与峰值电流范围宽泛，系通过扫描所有用于 LPS 调控的主要控制旋钮获得。此外，我们提出一种通过结合预测谱与测量谱来显著改进 CTR 谱仪在线测量的方法。我们的工作展示了如何结合虚拟与现实诊断，从而为科学装置提供异构且可靠的混合诊断。
引用
@article{arxiv.2201.05769,
title = {Mixed Diagnostics for Longitudinal Properties of Electron Bunches in a Free-Electron Laser},
author = {J. Zhu and N. M. Lockmann and M. K. Czwalinna and H. Schlarb},
journal= {arXiv preprint arXiv:2201.05769},
year = {2022}
}