論文の概要: Accurate and confident prediction of electron beam longitudinal
properties using spectral virtual diagnostics
- arxiv url: http://arxiv.org/abs/2009.12835v1
- Date: Sun, 27 Sep 2020 13:02:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 03:52:16.991701
- Title: Accurate and confident prediction of electron beam longitudinal
properties using spectral virtual diagnostics
- Title(参考訳): スペクトル仮想診断による電子ビーム長手特性の高精度かつ確実な予測
- Authors: A. Hanuka, C. Emma, T. Maxwell, A. Fisher, B. Jacobson, M. J. Hogan,
and Z. Huang
- Abstract要約: 縦相空間(LPS)は、様々な科学応用のために電子ビーム力学に関する重要な情報を提供する。
我々は、相対論的電子ビームの放射から非破壊的に、ショット毎のLPSを正確に予測する機械学習ベースの仮想診断(VD)ツールを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Longitudinal phase space (LPS) provides a critical information about electron
beam dynamics for various scientific applications. For example, it can give
insight into the high-brightness X-ray radiation from a free electron laser.
Existing diagnostics are invasive, and often times cannot operate at the
required resolution. In this work we present a machine learning-based Virtual
Diagnostic (VD) tool to accurately predict the LPS for every shot using
spectral information collected non-destructively from the radiation of
relativistic electron beam. We demonstrate the tool's accuracy for three
different case studies with experimental or simulated data. For each case, we
introduce a method to increase the confidence in the VD tool. We anticipate
that spectral VD would improve the setup and understanding of experimental
configurations at DOE's user facilities as well as data sorting and analysis.
The spectral VD can provide confident knowledge of the longitudinal bunch
properties at the next generation of high-repetition rate linear accelerators
while reducing the load on data storage, readout and streaming requirements.
- Abstract(参考訳): 縦相空間(LPS)は、様々な科学応用のために電子ビーム力学に関する重要な情報を提供する。
例えば、自由電子レーザーからの高輝度X線放射についての洞察を与えることができる。
既存の診断は侵襲的であり、しばしば必要な解像度で動作できない。
本研究では、相対論的電子ビームの放射から非破壊的に収集されたスペクトル情報を用いて、ショット毎のLPSを正確に予測する機械学習ベースの仮想診断(VD)ツールを提案する。
実験およびシミュレーションデータを用いた3種類のケーススタディに対して,ツールの精度を示す。
それぞれのケースに対して,VDツールの信頼性を高める手法を提案する。
我々は、スペクトルVDが、データソートや分析だけでなく、DOEのユーザ施設における実験的な構成の設定と理解を改善することを期待する。
スペクトルVDは、データストレージ、読み出し、ストリーミング要求の負荷を低減しつつ、次世代の高繰り返し線形加速器における長手束特性の確実な知識を提供することができる。
関連論文リスト
- Harnessing Machine Learning for Single-Shot Measurement of Free Electron Laser Pulse Power [0.0]
我々は,電子束の時間的パワープロファイルを予測する機械学習モデルを開発した。
このモデルは統計的に検証され、最先端のバッチキャリブレーションよりも優れた予測が得られた。
論文 参考訳(メタデータ) (2024-11-14T14:16:50Z) - Scaling Wearable Foundation Models [54.93979158708164]
センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。
最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。
この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
論文 参考訳(メタデータ) (2024-10-17T15:08:21Z) - Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving [58.16024314532443]
我々は、異なるLiDARスキャンからレーザービーム操作を統合するフレームワークであるLaserMix++を導入し、データ効率の学習を支援するためにLiDAR-カメラ対応を組み込んだ。
結果は、LaserMix++が完全に教師付き代替よりも優れており、5倍のアノテーションで同等の精度を実現していることを示している。
この大幅な進歩は、LiDARベースの3Dシーン理解システムにおける広範囲なラベル付きデータへの依存を減らすための半教師付きアプローチの可能性を示している。
論文 参考訳(メタデータ) (2024-05-08T17:59:53Z) - Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文 参考訳(メタデータ) (2023-06-20T21:21:19Z) - Femtosecond pulse parameter estimation from photoelectron momenta using
machine learning [0.0]
畳み込みニューラルネットワーク(CNN)は、特徴抽出やパラメータ推定といったタスクに対する驚くほどの明度を実証している。
ここでは、強電界電離光電子スペクトルを用いてCNNを試験し、実験データを逆転させる理論データセットのトレーニングを行う。
論文 参考訳(メタデータ) (2023-03-24T11:58:06Z) - Disentangling multiple scattering with deep learning: application to
strain mapping from electron diffraction patterns [48.53244254413104]
我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。
結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。
シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
論文 参考訳(メタデータ) (2022-02-01T03:53:39Z) - Mixed Diagnostics for Longitudinal Properties of Electron Bunches in a
Free-Electron Laser [0.0]
電子束の縦方向の性質は、幅広い科学施設のパフォーマンスに不可欠である。
人工知能の力を活用して、実験データを用いたニューラルネットワークモデルを構築します。
そこで本研究では,予測スペクトルと測定スペクトルを組み合わせることで,CTRのオンライン計測を大幅に改善する手法を提案する。
論文 参考訳(メタデータ) (2022-01-15T06:32:48Z) - Quantifying Uncertainty for Machine Learning Based Diagnostic [28.499029801148545]
我々はアンサンブル法と量子回帰ニューラルネットワークを用いて、SLACのLinac Coherent Light Sourceからの実験データに対する予測の不確実性の生成と解析を行う。
我々は、電子ビームの現在のプロファイルまたは長手位相空間像を正確かつ確実に予測することを目指している。
論文 参考訳(メタデータ) (2021-07-29T18:13:01Z) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳(メタデータ) (2020-06-28T20:59:03Z) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳(メタデータ) (2020-05-03T02:36:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。