利用机器学习辅助的E-FISH方法实现纳秒放电中起始云团的定量电场测量
等离子体物理
2026-01-12 v1
摘要
本研究结合时间分辨的电场诱导二次谐波产生（E-FISH）测量、机器学习辅助的电场反演（基于最近开发的算子学习模型）以及增强型电荷耦合器件（iCCD）光学发射成像，研究了大气压空气中纳秒正电晕放电早期阶段电场的时空演化。目标是定量表征起始阶段和向流注形成过渡期间高压电极附近的电场。通过对大量放电事件进行平均，并在放电保持统计轴对称性的状态下运行，所提出的方法能够以纳秒分辨率重建电场分布。结果显示，在最初的几纳秒内电场迅速增加，随后形成一个壳状结构，该结构在失稳前表现出最高的约化电场。重建的约化电场强度峰值约在230-270 Td范围内，与校准和分布形状效应相关的不确定性估计约为20-30%。这些值对应于电子碰撞激发和光电离过程变得高效的区域，与观察到的从稳定起晕云团到流注失稳的过渡一致。在流注开始分支后，不对称性的增加限制了反演的适用性，重建的电场代表的是平均贡献，而不是单个流注头部的局部电场。因此，该方法确定了定量电场映射可靠的条件，并为将电场诊断扩展到纳秒大气放电的起始阶段建立了一个框架。
引用
@article{arxiv.2601.05872,
title = {Toward Quantitative Electric-Field Measurements of Inception Clouds in Nanosecond Discharges Using E-FISH Assisted by Machine Learning},
author = {Mhedine Alicherif and Edwin Sugeng and Zhijan Yang and Deanna A. Lacoste and Tat Loon Chng},
journal= {arXiv preprint arXiv:2601.05872},
year = {2026}
}