粒子网格法代码中Bethe-Heitler过程的神经网络采样
计算物理
2024-06-05 v1 等离子体物理
摘要
本研究使用神经网络改进粒子网格法(PIC)代码中Bethe-Heitler过程的蒙特卡洛实现。我们提供的神经网络精度与预计算表格相当，但内存需求减少百倍。该网络被训练用于预测PIC代码OSIRIS中原子序数1-50、光子能量1 MeV至10 GeV的Bethe-Heitler对产生截面。我们首先在简化背景下针对理论估计验证了该方法，随后在典型的相对论激光-等离子体相互作用场景中证明两种方法性能相似。神经网络带来的大幅内存减少将允许在PIC代码的蒙特卡洛模块中引入更先进的Bethe-Heitler对产生及其他量子电动力学机制的截面模型。
引用
@article{arxiv.2406.02491,
title = {Neural network sampling of Bethe-Heitler process in particle-in-cell codes},
author = {Óscar Amaro and Chiara Badiali and Bertrand Martinez},
journal= {arXiv preprint arXiv:2406.02491},
year = {2024}
}
备注
13 pages, 4 figures