Harnessing Machine Learning for Single-Shot Measurement of Free Electron Laser Pulse Power

要約

電子ビーム加速器は、多くの科学技術分野で不可欠です。
その動作は電子ビームの安定性と精度に大きく依存しています。
従来の診断技術は、電子ビームの複雑かつ動的な性質に対処する際に困難に直面しています。
特に自由電子レーザー (FEL) の場合、単一の電子バンチのレーザー発振および発振オフの電子パワー プロファイルを測定することは基本的に不可能です。
これは、光子パルス プロファイルを正確に再構成する上で重要なハードルです。
このハードルを克服するために、私たちは、レーザー発振時に取得できる機械パラメーターを使用して、発振オフ領域における電子バンチの時間的パワープロファイルを予測する機械学習モデルを開発しました。
このモデルは統計的に検証され、最先端のバッチ キャリブレーションと比較して優れた予測を示しました。
ここで紹介する研究は、発振領域での繰り返し測定を必要とせずに個々の光子パルスのパワー プロファイルを再構築するように設計された仮想パルス再構築診断 (VPRD) ツールにとって重要な要素です。
これにより、FEL 全体の診断機能が大幅に強化されることが期待されます。

要約(オリジナル)

Electron beam accelerators are essential in many scientific and technological fields. Their operation relies heavily on the stability and precision of the electron beam. Traditional diagnostic techniques encounter difficulties in addressing the complex and dynamic nature of electron beams. Particularly in the context of free-electron lasers (FELs), it is fundamentally impossible to measure the lasing-on and lasingoff electron power profiles for a single electron bunch. This is a crucial hurdle in the exact reconstruction of the photon pulse profile. To overcome this hurdle, we developed a machine learning model that predicts the temporal power profile of the electron bunch in the lasing-off regime using machine parameters that can be obtained when lasing is on. The model was statistically validated and showed superior predictions compared to the state-of-the-art batch calibrations. The work we present here is a critical element for a virtual pulse reconstruction diagnostic (VPRD) tool designed to reconstruct the power profile of individual photon pulses without requiring repeated measurements in the lasing-off regime. This promises to significantly enhance the diagnostic capabilities in FELs at large.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google