Vědci vyvinuli novou platformu strojového učení, která vytváří algoritmy, které řídí paprsky
Daniele Filippetto a jeho kolegovéz Lawrence Berkeley National Laboratory (Berkeley Lab) vyvinuli zařízení pro automatickou kompenzaci změn v reálném čase u paprsků urychlovače a dalších komponent, jako jsou magnety.
Výzkum v této oblasti ovlivnív mnoha aplikacích urychlovačů částic, od autonomních operací v průmyslovém a lékařském prostředí až po zvýšení přesnosti ve vědeckých aplikacích, jako jsou lineární urychlovače a ultrarychlé lasery s volnými elektrony.
Filippettova práce se nyní zaměřuje na využití výkonu a predikce nástrojů strojového učení ke zlepšení celkové stability částicových paprsků.
„Pokud dokážete předpovědět vlastnosti paprsku spřesnost přesahující jejich fluktuace, je snadné tuto předpověď použít ke zlepšení výkonu urychlovače,“ poznamenal vědec.„Znalost klíčových parametrů paprsku v reálném čase bude mít obrovský vliv na konečnou přesnost experimentů. “
Metoda již byla demonstrována na urychlovačipro High Repetition Rate Electron Scattering (HiRES) v Berkeley Lab ve spolupráci s výzkumníky z Los Alamos National Laboratory a University of California v Los Angeles. Hlavní aplikací HiRES beamline je provádění strukturálních dynamických experimentů s novými kvantovými materiály.
Zařízení přispělo k mnoha vědeckýmobjevy, jako je provedení prvních studií ultrarychlé elektronové difrakce na světě optického tavení ditelluridu tantalu, materiálu se zajímavými a potenciálně užitečnými vlastnostmi. Tento nový stroj nyní prokazuje svou užitečnost pro vývoj nových metod řízení pro širokou třídu urychlovačů.
Přečtěte si více:
Fyzici našli univerzální „hodiny“ ve vesmíru: jsou přesnější než atomové
Archeologové našli kresby strašidelných lidí s obrovskými hlavami: kdo to byli
Teleskop Jamese Webba pořídil první snímek Jupitera: ukazuje 9 pohybujících se cílů najednou