Mësimi i makinerisë hap rrugën për përshpejtuesit më të zgjuar të grimcave

Shkencëtarët kanë zhvilluar një platformë të re për mësimin e makinerive që i bën algoritmet që kontrollojnë rrezet e grimcave dhe lazerët më të zgjuar se kurrë më parë. Puna e tyre mund të ndihmojë në zhvillimin e përshpejtuesve të rinj dhe të përmirësuar të grimcave që do t’i ndihmojnë shkencëtarët të zbulojnë sekretet e botës nënatomike.

Daniele Filippetto dhe kolegët në Laboratorin Kombëtar Lawrence Berkeley të Departamentit të Energjisë (Berkeley Lab) zhvilluan konfigurimin për të kompensuar automatikisht ndryshimet në kohë reale në rrezet e përshpejtuesit dhe komponentët e tjerë, si magnetët. Qasja e tyre e të mësuarit të makinerive është gjithashtu më e mirë se sistemet bashkëkohore të kontrollit të rrezeve në kuptimin e të kuptuarit pse gjërat dështojnë dhe më pas duke përdorur fizikën për të formuluar një përgjigje. Një punim që përshkruan kërkimin u botua në fund të vitit të kaluar në Nature Scientific Reports.

“Ne po përpiqemi t’i mësojmë fizikën një çipi, duke i dhënë në të njëjtën kohë urtësinë dhe përvojën e një shkencëtari të vjetër që operon makinën,” tha Filippetto, një shkencëtar i stafit në Divizionin e Teknologjisë së Përshpejtimit dhe Fizikës së Aplikuar (ATAP) në Berkeley Lab dhe zëvendësdrejtor i programit Berkeley Accelerator Controls and Instrumentation Program (BACI).

Hulumtimi i tyre gjithashtu ka potencialin të ndikojë në fusha të shumta të aplikuara të përshpejtuesve të grimcave, duke filluar nga operacionet autonome në mjediset industriale dhe mjekësore deri tek rritja e saktësisë në aplikimet shkencore, si përplasësit linearë dhe lazerët me elektron të lirë ultra të shpejtë.

Teknika e re u demonstrua në përshpejtuesin e Aparatit të Shpërndarjes së Elektroneve me Shkallë të Lartë të Përsëritjes (HiRES) në Berkeley Lab në bashkëpunim me studiues nga Laboratori Kombëtar i Los Alamos dhe UCLA. Aplikimi kryesor i linjës së rrezes HiRES është kryerja e eksperimenteve të dinamikës strukturore në materiale të reja kuantike. Instrumenti ka kontribuar në zbulime të shumta shkencore si kryerja e studimeve të para të difraksionit ultra të shpejtë të elektroneve të shkrirjes optike të diteluridit të tantalit, një material me veti interesante dhe potencialisht të dobishme. Tani, kjo makinë e re po tregon dobinë e saj për të zhvilluar metoda të reja për kontrollin e klasave të gjera të përshpejtuesve.

Përshpejtuesit e grimcave prodhojnë dhe përshpejtojnë rrezet e grimcave të ngarkuara, si elektronet, protonet dhe jonet, me përmasa atomike dhe nënatomike. Ndërsa makinat bëhen më të fuqishme dhe komplekse, kontrolli dhe optimizimi i rrezes së grimcave ose lazerit bëhet më i rëndësishëm për të përmbushur nevojat e aplikacioneve shkencore, mjekësore dhe industriale.

Filippetto dhe kolegët në programin BACI po udhëheqin zhvillimin global të mjeteve të mësimit të makinerive. Këto mjete ofrojnë një platformë për të zhvilluar algoritme inteligjente që reagojnë shpejt dhe saktë ndaj shqetësimeve të paparashikuara, mësojnë nga gabimet e tyre dhe miratojnë strategjinë më të mirë për arritjen ose ruajtjen e pikës së caktuar të rrezes së synuar.

Mjetet që ata po zhvillojnë kanë avantazhin e shtuar për të ofruar një model të saktë të sjelljes së përgjithshme të një sistemi përshpejtuesi të grimcave, pavarësisht nga kompleksiteti. Kontrollorët mund t’i përdorin këto aftësi të reja dhe të përmirësuara për të marrë vendime më efektive në kohë reale.

Fokusi aktual i punës së Filippetto është përdorimi i fuqisë dhe parashikimit të mjeteve të mësimit të makinerive për të rritur stabilitetin e përgjithshëm të rrezeve të grimcave.

“Nëse mund të parashikoni vetitë e rrezes me një saktësi që tejkalon luhatjet e tyre, atëherë mund të përdorni parashikimin për të rritur performancën e përshpejtuesit,” tha ai. “Njohuria në kohë reale e parametrave kyç të rrezeve do të kishte një ndikim të madh në saktësinë përfundimtare të eksperimenteve.”

Në fillim, një qasje e tillë mund të duket e pamundur të prodhojë rezultate të sakta, të ngjashme me sfidat me parashikimin e sjelljes së tregut të aksioneve, por rezultatet e hershme nga grupi janë premtuese. Në fakt, algoritmi i përdorur, i cili bazohet në modelet e rrjeteve nervore, tregon një rritje dhjetëfish të saktësisë së parametrave të rrezeve të parashikuara në krahasim me analizat tipike statistikore. Në punën përkatëse, një çmim i fundit Halbach i shkoi Simon Leemann, shkencëtar i stafit në Grupin e Fizikës së Përshpejtuesit në ATAP dhe bashkëpunëtorët për zhvillimin e metodave të kontrollit të mësimit të makinerive që përmirësojnë performancën e Burimit të Avancuar të Dritës duke stabilizuar rrezen e elektroneve shumë relativiste në eksperiment. pikë burimi me afërsisht një rend të madhësisë, një nivel i paprecedentë.

Në kërkimin përkatës të botuar në Optics Express, Dan Wang, një shkencëtare hulumtuese në grupin BACI e cila filloi karrierën e saj në Berkeley Lab tre vjet më parë si studiuese pas doktoraturës, po përdor mjete të mësimit të makinerive për të avancuar teknologjinë e kontrollit në sistemet komplekse lazer. . Në rastin e Wang, qëllimi përfundimtar është të jetë në gjendje të kombinojë me saktësi qindra impulse lazer ultra-intenzive në një rreze të fuqishme dhe koherente me madhësinë e një qimesh njeriu. Në një rreze koherente, faza e çdo lazeri hyrës duhet të kontrollohet brenda disa shkallëve të gabimit, gjë që është shumë sfiduese. Energjia e lazerit mund të kombinohet në mënyra të ndryshme, por në të gjitha rastet, është e domosdoshme që koherenca e grupit të rrezeve të stabilizohet ndaj shqetësimeve mjedisore si zhvendosja termike, luhatjet e ajrit, apo edhe lëvizja e tabelës mbështetëse.

Për ta bërë këtë, Wang dhe kolegët e saj zhvilluan një model të rrjetit nervor që është 10 herë më i shpejtë në korrigjimin e gabimeve të sistemit në grupin e kombinuar lazer sesa metodat e tjera konvencionale. Modeli që ata zhvilluan është gjithashtu i aftë të mësojë sistemin të njohë gabimet e fazës dhe ndryshimin e parametrave në lazer dhe të korrigjojë automatikisht shqetësimet kur ato ndodhin.

Metoda e studiuesve funksionon si në simulime ashtu edhe në eksperimente me lazer, ku u arrit një performancë e paparë kontrolli. Hapi tjetër në kërkim është zbatimi i modeleve të mësimit të makinerive në kompjuterë të skajshëm si grupet e portave të programueshme në terren (FPGA) për përgjigje më të shpejtë, dhe gjithashtu për të demonstruar përgjithësimin e kësaj metode kontrolli të bazuar në mësimin e makinerive në sisteme më komplekse ku ka shumë më shumë variabla për të llogaritur.

“Unë vij nga një sfond përshpejtues, por gjatë post-docimit tim, kolegët e mi me të vërtetë më ndihmuan të përqafoj fuqinë e mësimit të makinerive,” tha Wang. “Ajo që kam mësuar është se mësimi i makinerive është një mjet i fuqishëm për të zgjidhur shumë probleme të ndryshme, por gjithmonë duhet të përdorni fizikën tuaj për të udhëzuar në mënyrën se si e përdorni dhe zbatoni atë.”

“Për të përmbushur nevojat e shkencës së re, kjo punë ilustron metodat e reagimit aktiv dhe të mësimit të makinerive që janë mundësi thelbësore për gjeneratën e ardhshme të performancës së përshpejtuesit dhe lazerit për të fuqizuar burimet e reja të fotoneve dhe përplasësit e ardhshëm të grimcave,” tha Cameron Geddes, drejtor i Accelerator. Divizioni i Teknologjisë dhe Fizikës së Aplikuar.