A tudósok kifejlesztettek egy új gépi tanulási platformot, amely algoritmusokat készít a nyalábok vezérlésére
Daniele Filippetto és kollégái a Lawrence Berkeley Nemzeti Laboratóriumban (Berkeley Lab) olyan beállítást fejlesztettek ki, amely automatikusan kompenzálja a gyorsítónyalábok és más alkatrészek, például mágnesek valós idejű változásait .
Az ezen a területen végzett kutatás a részecskegyorsítók számos alkalmazási területére hatással lesz , az ipari és egészségügyi intézményekben végzett autonóm műveletektől kezdve a tudományos alkalmazások, például a lineáris ütköztetők és az ultragyors szabad elektronlézerek pontosságának javításáig.
Filippetto munkája most a gépi tanulási eszközök erejének és előrejelzésének kiaknázására összpontosít a részecskenyalábok általános stabilitásának javítása érdekében.
"Ha lehetséges megjósolni a sugár tulajdonságait olyan pontossággal, amely meghaladja az ingadozásokat, akkor ezt az előrejelzést könnyű használni a gyorsító teljesítményének javítására" - mondta a tudós. óriási hatással van a kísérletek végső pontosságára."
A módszert már bemutatták a Berkeley Lab High Repetition Rate Electron Scattering (HiRES) gyorsítójában, együttműködve a Los Alamos Nemzeti Laboratórium és a Los Angeles-i Kaliforniai Egyetem kutatóival .A HiRES sugárvonal fő alkalmazási területe szerkezeti dinamikai kísérletek elvégzése új kvantumanyagokkal .
Az eszköz hozzájárult számos tudományosolyan felfedezések, mint a világ első ultragyors elektrondiffrakciós vizsgálatának elvégzése a tantál-dellurid, egy érdekes és potenciálisan hasznos tulajdonságokkal rendelkező anyag optikai olvadásával kapcsolatban. Ez az új gép most demonstrálja hasznosságát a gyorsítók széles osztályához használható új vezérlési módszerek kifejlesztésében.
Olvass tovább:
A fizikusok egy univerzális "órát" találtak az űrben: pontosabbak, mint az atomi
A régészek rajzokat találtak hátborzongató, hatalmas fejű emberekről: kik voltak ők
A James Webb teleszkóp készítette az első képet a Jupiterről: egyszerre 9 mozgó célpont van rajta