論文の概要: Mixed Diagnostics for Longitudinal Properties of Electron Bunches in a
Free-Electron Laser
- arxiv url: http://arxiv.org/abs/2201.05769v1
- Date: Sat, 15 Jan 2022 06:32:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-22 14:20:07.808624
- Title: Mixed Diagnostics for Longitudinal Properties of Electron Bunches in a
Free-Electron Laser
- Title(参考訳): 自由電子レーザーにおける電子束の縦断特性の混合診断
- Authors: J. Zhu, N. M. Lockmann, M. K. Czwalinna, H. Schlarb
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Longitudinal properties of electron bunches are critical for the performance
of a wide range of scientific facilities. In a free-electron laser, for
example, the existing diagnostics only provide very limited longitudinal
information of the electron bunch during online tuning and optimization. We
leverage the power of artificial intelligence to build a neural network model
using experimental data, in order to bring the destructive longitudinal phase
space (LPS) diagnostics online virtually and improve the existing current
profile online diagnostics which uses a coherent transition radiation (CTR)
spectrometer. The model can also serve as a digital twin of the real machine on
which algorithms can be tested efficiently and effectively. We demonstrate at
the FLASH facility that the encoder-decoder model with more than one decoder
can make highly accurate predictions of megapixel LPS images and coherent
transition radiation spectra concurrently for electron bunches in a bunch train
with broad ranges of LPS shapes and peak currents, which are obtained by
scanning all the major control knobs for LPS manipulation. Furthermore, we
propose a way to significantly improve the CTR spectrometer online measurement
by combining the predicted and measured spectra. Our work showcases how to
combine virtual and real diagnostics in order to provide heterogeneous and
reliable mixed diagnostics for scientific facilities.
- Abstract(参考訳): 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重要である。
例えば、フリー電子レーザーでは、既存の診断はオンラインのチューニングと最適化の間、電子束の非常に限られた縦情報しか提供しない。
実験データを用いてニューラルネットワークモデルを構築するために人工知能の力を活用し,破壊的縦断位相空間(lps)診断を仮想的にオンライン化するとともに,コヒーレント遷移放射線(ctr)スペクトロメータを用いた既存プロファイルオンライン診断を改善した。
このモデルは、アルゴリズムを効率的に効果的にテストできる実マシンのデジタルツインとしても機能する。
我々は,複数のデコーダを持つエンコーダ・デコーダモデルを用いて,LPS操作のすべての主要制御ノブをスキャンして得られる,広い範囲のLSS形状とピーク電流を有する電子束に対するメガピクセルLPS画像とコヒーレント遷移放射スペクトルの高精度な予測が可能であることをFLASH施設で実証した。
さらに,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のオンライン計測精度を大幅に向上する手法を提案する。
本研究は,科学施設に異種で信頼性の高い混合診断を提供するために,仮想診断と実診断を組み合わせる方法を示す。
関連論文リスト
- 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) - High-dimensional quantum correlation measurements with an adaptively
gated hybrid single-photon camera [58.720142291102135]
本研究では,高空間分解能センサと高時間分解能検出器を組み合わせた適応ゲート型ハイブリッド高分解能カメラ(HIC)を提案する。
空間分解能は9メガピクセル近く、時間分解能はナノ秒に近いため、このシステムは以前は実現不可能だった量子光学実験の実現を可能にする。
論文 参考訳(メタデータ) (2023-05-25T16:59:27Z) - Improving the Timing Resolution of Positron Emission Tomography
Detectors Using Boosted Learning -- A Residual Physics Approach [0.4999814847776097]
本研究は,機械学習(ML)と残差物理を用いた検出器最適化の新しい多用途手法を提案する。
ポジトロン・エミッション・トモグラフィー (PET) の概念を適用し, 一致時間分解能(CTR)の向上を目的とした。
臨床的に有意な19mmの検出器ではCTRを有意に改善し(20%以上)、185 ps (450-550 keV) のCTRに到達した。
論文 参考訳(メタデータ) (2023-02-03T12:10:24Z) - Digital noise spectroscopy with a quantum sensor [57.53000001488777]
本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。
ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。
ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
論文 参考訳(メタデータ) (2022-12-19T02:19:35Z) - Optimizing a Digital Twin for Fault Diagnosis in Grid Connected
Inverters -- A Bayesian Approach [5.335631208278852]
我々は、限られたデータで柔軟な実装を可能にするデジタルツインのオンライン最適化に向けた我々の取り組みをチャネル化します。
分類性能評価には,仮想同期発電機(VSG)制御グリッドフォーミングコンバータの異なる故障事例を検討する。
我々の研究結果は、デジタルツイン設計によって達成された精度と忠実度の増加を明らかにします。
論文 参考訳(メタデータ) (2022-12-07T10:44:19Z) - Electron energy loss spectroscopy database synthesis and automation of
core-loss edge recognition by deep-learning neural networks [0.0]
原スペクトルからコアロスエッジの検出と要素同定を自動化するために,畳み込み型双方向長短期記憶ニューラルネットワーク(CNN-BiLSTM)を提案する。
94.9%の精度で、提案したCNN-BiLSTMネットワークは、生スペクトルの複雑な前処理がなければ、高い精度でEELSスペクトルのコアロスエッジ認識を自動化できることを証明している。
論文 参考訳(メタデータ) (2022-09-26T20:57:34Z) - Single-Shot Optical Neural Network [55.41644538483948]
深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。
我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
論文 参考訳(メタデータ) (2022-05-18T17:49:49Z) - 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) - Toward AI-enhanced online-characterization and shaping of ultrashort
X-ray free-electron laser pulses [0.9743237458721049]
光電子角ストリーキングは、XFELパルスの正確な時間エネルギー構造を単発で回収することに成功した。
本稿では,XFELにおける本手法の実証段階から定期診断への活用方法を示す。
論文 参考訳(メタデータ) (2021-08-31T17:04:47Z) - Accurate and confident prediction of electron beam longitudinal
properties using spectral virtual diagnostics [0.0]
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。
論文 参考訳(メタデータ) (2020-09-27T13:02:33Z) - 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)
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。