[人工智能]人工智能大显神通,实现用机器学习算法:简化粒子加速器的操作!( 二 )


为了增加聚焦功率 , 必须增加一对磁铁的强度 , 而降低另一对磁铁的强度 。 研究人员估计 , 使用新的工艺 , 调谐四极磁铁的速度大约快了三到五倍 , 同时它还倾向于产生比以前使用的算法更高强度的光束 。 SLAC国家加速器实验室的加速器操作员简·什塔伦科娃(Jane Shtalenkova)表示:我们提高调谐效率的能力 , 是对于能够更高质量地向来自世界各地进行实验的人提供光束非常关键 。
[人工智能]人工智能大显神通,实现用机器学习算法:简化粒子加速器的操作!
本文插图
同样的方法可以扩展到调整科学家们 , 可能想要为他们实验优化的其他电子束或X射线束特性 。 例如 , 研究人员可以应用这项技术 , 在直线加速器相干光源(LCLS)的X射线束击中样本后 , 最大化从样本中获得的信号 , 这种灵活性也使得新算法对其他设施很有用 , 这种机器学习算法的好处是 , 可以相对容易地进行技术转移 。
[人工智能]人工智能大显神通,实现用机器学习算法:简化粒子加速器的操作!
本文插图
博科园|研究/来自:SLAC国家加速器实验室
研究发表期刊《物理评论快报》
博科园|科学、科技、科研、科普
关注【博科园】看更多大美宇宙科学


推荐阅读