基于机器学习的束团横向相空间测量
理论上,使用断层扫描技术可以得到真实的横向相空间分布.但是想要更加精确地了解分布的细节,需要解决旋转角度范围受限和投影数目不足的问题.针对这两个问题,提出了在混合域处理的神经网络模型,即组合地在正弦域和断层域分别使用插值和去除伪影神经网络.在简单地测量束线以及投影数目比较少(7 个)的情况下,该网络模型也能高质量地重建束团横向相空间分布.并且,由于选择旋转角度的方式和归一化相空间无关,因此,无需测量Twiss参数.采用该方法测量束团横向相空间,一定程度提升了重建质量,简化了测量的方式.
横向相空间、断层扫描、机器学习、神经网络
35
TL506(加速器)
2023-11-24(万方平台首次上网日期,不代表论文的发表时间)
共11页
103-113