論文の概要: Neural Network Solver for Coherent Synchrotron Radiation Wakefield
Calculations in Accelerator-based Charged Particle Beams
- arxiv url: http://arxiv.org/abs/2203.07542v1
- Date: Mon, 14 Mar 2022 22:52:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-16 16:51:40.258535
- Title: Neural Network Solver for Coherent Synchrotron Radiation Wakefield
Calculations in Accelerator-based Charged Particle Beams
- Title(参考訳): 加速器系荷電粒子ビームにおけるコヒーレント放射ウェイクフィールド計算のためのニューラルネットワーク解法
- Authors: Auralee Edelen and Christopher Mayes
- Abstract要約: 我々は、ニューラルネットワークソルバを用いて、CSRウェイクフィールドに対して、新しいセットアップに容易に一般化可能な方法で構築された新しいアプローチを示す。
標準ビーム追跡試験問題に加えることにより,その性能を検証し,高精度に10倍のスピードアップを示す。
- 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: Particle accelerators support a wide array of scientific, industrial, and
medical applications. To meet the needs of these applications, accelerator
physicists rely heavily on detailed simulations of the complicated particle
beam dynamics through the accelerator. One of the most computationally
expensive and difficult-to-model effects is the impact of Coherent Synchrotron
Radiation (CSR). As a beam travels through a curved trajectory (e.g. due to a
bending magnet), it emits radiation that in turn interacts with the rest of the
beam. At each step through the trajectory, the electromagnetic field introduced
by CSR (called the CSR wakefield) needs to computed and used when calculating
the updates to the positions and momenta of every particle in the beam. CSR is
one of the major drivers of growth in the beam emittance, which is a key metric
of beam quality that is critical in many applications. The CSR wakefield is
very computationally intensive to compute with traditional electromagnetic
solvers, and this is a major limitation in accurately simulating accelerators.
Here, we demonstrate a new approach for the CSR wakefield computation using a
neural network solver structured in a way that is readily generalizable to new
setups. We validate its performance by adding it to a standard beam tracking
test problem and show a ten-fold speedup along with high accuracy.
- Abstract(参考訳): 粒子加速器は幅広い科学的、工業的、医学的応用をサポートしている。
これらの応用のニーズを満たすため、加速器物理学者は加速器を通して複雑な粒子ビーム力学の詳細なシミュレーションに大きく依存している。
最も計算コストが高く、モデルに難易度の高い効果の1つはコヒーレント放射光(CSR)の影響である。
ビームが曲がった軌道(例えば湾曲した磁石による)を通過すると、ビームは放射され、それがビームの残りの部分と相互作用する。
軌道を通る各ステップにおいて、csr(csrウェイクフィールド)によって導入された電磁場は、ビーム内の全ての粒子の位置とモーメントの更新を計算する際に計算され、使用される必要がある。
CSRは、多くのアプリケーションにおいて重要なビーム品質の重要な指標であるビーム発光の成長の要因の1つである。
CSRウェイクフィールドは従来の電磁分解器で計算するのに非常に計算量が多く、これは加速器を正確にシミュレーションする際の大きな制限である。
本稿では、ニューラルネットワークソルバを用いたCSRウェイクフィールド計算における新しいアプローチを、新しいセットアップに容易に一般化可能な方法で示す。
標準ビーム追跡試験問題に加えることにより,その性能を検証し,高精度に10倍のスピードアップを示す。
関連論文リスト
- Conditioned quantum-assisted deep generative surrogate for particle-calorimeter interactions [6.753162356016995]
本研究では,大型ハドロン衝突型加速器シミュレーションのための量子支援深部生成モデルを提案する。
このモデルでは,条件付き変分オートエンコーダ (VAE) と条件付き制限ボルツマンマシン (RBM) を統合する。
RBMノードと接続は、サンプリングのためにD-WaveのPegasus-structured textitAdvantage Quantum Annealer (QA)上でqubitsと couplerを使用するように慎重に設計されている。
論文 参考訳(メタデータ) (2024-10-30T10:08:03Z) - Machine Learning For Beamline Steering [0.0]
ビームラインのLINAC To Undulatorセクションを狙うのは難しい。
加速器の使用には、このセクションの磁石の再校正が必要である。
本稿では,この課題を支援するために,ディープニューラルネットワークの利用について検討する。
論文 参考訳(メタデータ) (2023-11-13T18:00:06Z) - Machine Learning methods for simulating particle response in the Zero
Degree Calorimeter at the ALICE experiment, CERN [8.980453507536017]
現在、CERN GRIDの計算能力の半分以上が高エネルギー物理シミュレーションに使われている。
大型ハドロン衝突型加速器(LHC)の最新情報により、より効率的なシミュレーション手法の開発の必要性が高まっている。
機械学習を利用した問題に対する代替手法を提案する。
論文 参考訳(メタデータ) (2023-06-23T16:45:46Z) - Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。
リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
論文 参考訳(メタデータ) (2023-03-20T13:40:11Z) - First design of a superconducting qubit for the QUB-IT experiment [50.591267188664666]
QUB-ITプロジェクトの目標は、量子非破壊(QND)測定と絡み合った量子ビットを利用した、反復的な単一光子カウンタを実現することである。
本稿では,Qiskit-Metalを用いた共振器に結合したトランスモン量子ビットからなる第1の超伝導デバイスの設計とシミュレーションを行う。
論文 参考訳(メタデータ) (2022-07-18T07:05:10Z) - Nuclear two point correlation functions on a quantum-computer [105.89228861548395]
我々は、現在の量子ハードウェアとエラー軽減プロトコルを使用して、高度に単純化された核モデルに対する応答関数を計算する。
この研究では、現在の量子ハードウェアとエラー軽減プロトコルを用いて、4つの格子上に3つの区別可能な核子を持つ2次元のフェルミ・ハバードモデルに対する応答関数を計算する。
論文 参考訳(メタデータ) (2021-11-04T16:25:33Z) - Learning the Physics of Particle Transport via Transformers [0.0]
単エネルギー陽子ビームで堆積した線量を予測するデータ駆動線量計算アルゴリズムを提案する。
提案手法は,現在の臨床解析用鉛筆法よりも33倍高速である。
我々のモデルは、これまでリアルタイム適応プロトン処理を禁止してきた大きな障害を克服する可能性がある。
論文 参考訳(メタデータ) (2021-09-08T22:26:03Z) - Quantum speedup for track reconstruction in particle accelerators [51.00143435208596]
我々は,各局所追跡法に存在する基本ルーチンを4つ同定し,標準追跡アルゴリズムの文脈でどのようにスケールするかを解析する。
発見された量子スピードアップは穏やかだが、これは私たちの知識の中でも最高のものであり、高エネルギーの物理データ処理タスクに対する量子上の優位性の最初の厳密な証拠である。
論文 参考訳(メタデータ) (2021-04-23T13:32:14Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z) - Exact representations of many body interactions with RBM neural networks [77.34726150561087]
我々は、RBMの表現力を利用して、多体接触相互作用を1体演算子に正確に分解する。
この構成は、ハバードモデルでよく知られたヒルシュの変換を、核物理学におけるピオンレスFTのようなより複雑な理論に一般化する。
論文 参考訳(メタデータ) (2020-05-07T15:59:29Z) - Predicting atmospheric optical properties for radiative transfer
computations using neural networks [0.0]
我々は、現代の放射パラメータ化(RRTMGP)をエミュレートするためにニューラルネットワークを訓練することで、ガス光学特性の機械学習に基づくパラメトリゼーションを開発する。
我々のニューラルネットワークベースのガス光学パラメトリゼーションは、ニューラルネットワークのサイズによって、RRTMGPの最大4倍高速である。
機械学習に基づくパラメトリゼーションは、高い精度を維持しつつ、放射移動計算を高速化することができると結論付けている。
論文 参考訳(メタデータ) (2020-05-05T15:00:58Z)
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。