加速された電子のビームは、電子顕微鏡、X線レーザー、医療用加速器、その他のデバイスに電力を供給します。 これらのアプリケーションのパフォーマンスを最適化するには、オペレーターはビームの品質を分析し、必要に応じて調整できる必要があります。

過去数年間、エネルギー省のSLAC国立加速器研究所の研究者は、機械学習を使用して効率的で非侵襲的な方法でビーム品質に関する重要な情報を取得する「仮想診断」を開発してきました。 さて、で公開された新しい仮想診断アプローチ 科学的なレポートは、従来の診断が失敗した状況でメソッドが機能することを可能にするビームに関する追加情報を組み込んでいます。

「私たちの方法は、超小型物体のイメージング用の電子顕微鏡であれ、癌治療に使用される医療用加速器であれ、電子ビームを使用するほぼすべての機械の診断に使用できます」と、研究を主導したSLACの研究員であるAdiHanuka氏は述べています。

従来のビーム診断は、強度や形状などの特性を測定するためにビームと相互作用する必要がある物理的なデバイスです。 この相互作用は、ビームを破壊または変更したり、その偏向を必要としたりすることが多いため、実際のアプリケーションで同時に使用することはできません。 技術的な制限により、ビームの電子パルスが非常に高速で発射されたり、非常に強い場合など、正確な測定が妨げられる場合もあります。

新しい方法は物理デバイスではないため、これらの制限はありません。 代わりに、ニューラルネットワーク（脳のニューラルネットワークに触発された機械学習アルゴリズム）を使用します。 SLACチームがラボの粒子加速器で取得したデータでニューラルネットワークをトレーニングすると、アルゴリズムは実験状況のビーム特性を正確に予測することができました。

研究者らは、その予測を、ライナックコヒーレント光源（LCLS）X線レーザーの電子ビームの実験データおよびシミュレーションデータ、将来のアップグレードLCLS-II、および最近アップグレードされた高度加速器実験試験施設（ FACET-II）、SLACのXNUMXつのDOE科学局ユーザー施設。

特に、結果は、機械学習アプローチが従来のツールの能力を超えた状況で役立つことを示しています。 たとえば、LCLS-IIの場合、ニューラルネットワークは、マシンが生成するXNUMX秒あたりXNUMX万個の電子パルスのそれぞれに関する詳細情報を提供できます。これは、現在の診断技術の限界を超える前例のないパルスレートです。 仮想診断は、物理デバイスで分析するのが難しいFACET-IIの高強度ビームに関する正確な情報を提供することもできます。

###

この研究は、DOE科学局およびSLACの研究所主導の研究開発（LDRD）プログラムによって資金提供されました。

SLACは、宇宙が最大、最小、最速のスケールでどのように機能するかを調査し、世界中の科学者が使用する強力なツールを発明する活気に満ちたマルチプログラムラボです。 素粒子物理学、天体物理学、宇宙論、材料、化学、生物科学、エネルギー科学、科学計算にまたがる研究により、私たちは現実世界の問題を解決し、国の利益を促進するのに役立ちます。

SLACは、米国エネルギー省の科学局のためにスタンフォード大学によって運営されています。 科学局は、米国の物理科学における基礎研究の最大の支援者であり、私たちの時代の最も差し迫った課題のいくつかに取り組むために取り組んでいます。