論文の概要: Learning Electron Bunch Distribution along a FEL Beamline by Normalising Flows

• arxiv url: http://arxiv.org/abs/2303.00657v1
• Date: Mon, 27 Feb 2023 15:21:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 14:03:31.525203
• Title: Learning Electron Bunch Distribution along a FEL Beamline by Normalising Flows
• Title（参考訳）: 正規化流れによるFELビームラインに沿った電子バンチ分布の学習
• Authors: Anna Willmann, Jurjen Couperus Cabada\u{g}, Yen-Yu Chang, Richard Pausch, Amin Ghaith, Alexander Debus, Arie Irman, Michael Bussmann, Ulrich Schramm, Nico Hoffmann
• Abstract要約: FELビームラインにおける電子雲の条件相空間表現のための正規化フローに基づく代理モデルを提案する。 得られた結果から、ビームライン内の基本的なプロセスをより深く理解するために、モデルのエクスプロイラビリティのさらなるメリットと制限について議論できる。
• 参考スコア（独自算出の注目度）: 48.236222741059834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding and control of Laser-driven Free Electron Lasers remain to be difficult problems that require highly intensive experimental and theoretical research. The gap between simulated and experimentally collected data might complicate studies and interpretation of obtained results. In this work we developed a deep learning based surrogate that could help to fill in this gap. We introduce a surrogate model based on normalising flows for conditional phase-space representation of electron clouds in a FEL beamline. Achieved results let us discuss further benefits and limitations in exploitability of the models to gain deeper understanding of fundamental processes within a beamline.
• Abstract（参考訳）: レーザー駆動自由電子レーザーの理解と制御は、非常に集中的な実験と理論的研究を必要とする難しい問題である。 シミュレーションデータと実験データの間のギャップは、研究と結果の解釈を複雑にする可能性がある。 この研究で私たちは、このギャップを埋めるのに役立つディープラーニングベースのsurrogateを開発しました。 felビームライン内の電子雲の条件相空間表現のための正規化フローに基づくサーロゲートモデルを提案する。 得られた結果から、ビームライン内の基本的なプロセスのより深い理解を得るために、モデルの利用可能性のさらなる利点と限界について論じる。

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)
• Multimodal Flare Forecasting with Deep Learning [0.2968738145616401]
  色圏およびコロナUVおよびEUV放射の異なる波長での予測能力を比較するために、深層学習を採用している。 以上の結果から,EUVの波長は,視線磁図と同等以上の識別力が得られることが示唆された。
  論文  参考訳（メタデータ） (2024-10-21T15:42:47Z)
• Can Kans (re)discover predictive models for Direct-Drive Laser Fusion? [11.261403205522694]
  レーザー融合の領域は、機械学習手法のためのユニークで挑戦的な予測モデリングアプリケーションランドスケープを示す。 データ駆動型アプローチは、物理学の期待に沿う望ましい一般化能力とモデル解釈を達成するために、過去に成功してきた。 本研究では,新しいタイプのデータ駆動予測モデルの開発において,PILの代替としてKAN(Kolmogorov-Arnold Networks)を用いた。
  論文  参考訳（メタデータ） (2024-09-13T13:48:06Z)
• 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)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Sensitive dependence of the linewidth enhancement factor on electronic quantum effects in quantum cascade lasers [0.0]
  線形拡張係数 (LEF) は半導体レーザーの振幅と位相変動の結合を記述する。 我々は、非平衡グリーン関数モデルを用いて、LEFを計算するための一般的なスキームを導入する。 また,LEFの正確なシミュレーションには,多体効果,非共鳴遷移,分散(Bloch)ゲイン,反回転項,強度依存遷移エネルギー,高精度サブバンド分布が重要であることも確認した。
  論文  参考訳（メタデータ） (2022-07-19T12:15:27Z)
• Conceptual Design Report for the LUXE Experiment [116.47875392913599]
  我々は高エネルギーの電子-光子相互作用と光子-光子相互作用を分析して、量子物理学のこの到達不能な状態に達する。 予測される高光子フラックスは、標準モデルを超えた新しい物理の感度の高い探索を可能にする。
  論文  参考訳（メタデータ） (2021-02-03T12:27:10Z)
• Direct phase modulation via optical injection: theoretical study [50.591267188664666]
  本研究では,自然発生騒音の影響について検討し,利得非直線性の役割について検討し,温度変動の影響について考察した。 我々は,光注入型位相変調器の試作・運用において,これらの特徴を考慮に入れた実用的な手順を定式化しようと試みている。
  論文  参考訳（メタデータ） (2020-11-18T13:20:04Z)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)

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。