基于粒子模拟与深度学习的液态叶片靶 TNSA 实验建模
等离子体物理
2023-08-08 v1
摘要
液态叶片靶作为利用靶法线鞘层加速（TNSA）机制进行激光离子加速的高重复频率靶颇具前景，目前正在开发中。本工作中，我们讨论了不同离子种类的影响，并研究如何将其用作可能的激光驱动中子源。为辅助该研究，我们基于人工神经网络开发了液态叶片靶激光离子加速实验的代理模型。该模型使用来自粒子模拟（PIC）的数据进行训练。我们的深度学习模型的快速推理速度使我们能够优化实验参数以获得最大离子能量和激光能量转换效率。利用 Sobol 和 PAWN 指数对参数对模型输出的影响进行分析，从而更深入地理解激光-等离子体系统。
引用
@article{arxiv.2306.13316,
title = {Modeling of a Liquid Leaf Target TNSA Experiment using Particle-In-Cell Simulations and Deep Learning},
author = {Benedikt Schmitz and Daniel Kreuter and Oliver Boine-Frankenheim},
journal= {arXiv preprint arXiv:2306.13316},
year = {2023}
}