Machine Learning For Beamline Steering

要約

ビームステアリングは、粒子加速器の電子ビームがコリメータの回転軸に対して X 線ターゲットに入射する角度と位置の校正を含むプロセスです。
ビームステアリングは光源にとって不可欠なタスクです。
研究中のケースでは、ビームラインの LINAC To Undulator (LTU) セクションを狙うのが困難です。
加速器を使用するたびに、このセクションの磁石を再校正する必要があります。
これには人間のオペレーターによる多大な時間と労力がかかり、光源の科学的スループットは低下します。
私たちは、このタスクを支援するためにディープ ニューラル ネットワークの使用を調査します。
深層学習モデルはアーカイブ データでトレーニングされ、シミュレーション データで検証されます。
深層学習モデルのパフォーマンスを、訓練された人間のオペレーターのパフォーマンスと対比します。

要約(オリジナル)

Beam steering is the process involving the calibration of the angle and position at which a particle accelerator’s electron beam is incident upon the x-ray target with respect to the rotation axis of the collimator. Beam Steering is an essential task for light sources. In the case under study, the LINAC To Undulator (LTU) section of the beamline is difficult to aim. Each use of the accelerator requires re-calibration of the magnets in this section. This involves a substantial amount of time and effort from human operators, while reducing scientific throughput of the light source. We investigate the use of deep neural networks to assist in this task. The deep learning models are trained on archival data and then validated on simulation data. The performance of the deep learning model is contrasted against that of trained human operators.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google