Prediction model of K2CsSb photocathode reflectivity based on LSTM北大核心CSCD

针对目前K₂CsSb光阴极制备过程中无法预判光阴极生长状态的问题,提出一种基于长短期记忆（LSTM）循环神经网络的K₂CsSb光阴极反射率预测模型。一维原始反射率数据集经过清洗、筛选、序列化等预处理手段后重构为二维数据输入模型。为充分利用反射率数据在时序上高度相关的特性,采用双层LSTM网络提取特征,预测结果通过全连接层输出,以均方误差（MSE）作为模型预测效果的评判标准。实验结果表明,该模型的网络结构合理且在不同数据集下的表现良好,预测准确率可达99.21%。该模型可运用在K₂CsSb光阴极的制作过程中,通过反射率预测值反馈调节工艺参数以趋近目标走势,对提高光阴极性能具有促进作用。     

Automatic test system for progressive gain of dynode photomultiplier tube北大核心CSCD

逐级增益是评价打拿极光电倍增管（photomultiplier tube, PMT）性能的重要参数之一,目前国内仅有一台逐级增益测试系统,依靠人工操作,测试效率不高。为提高逐级增益测试效率,设计了一套打拿极PMT逐级增益自动测试系统。该系统使用由可控光阑、电动挡板等组成的自动光源实现光源输出强度连续可调,并通过控制高压模块、分压器模块和继电器模块实现逐级电压的通断。利用精度为0.01 nA的电流计模块完成信号的采集、处理和传输,实现对逐级增益的自动测量。实验证明,该系统可有效测量打拿极PMT的逐级增益特性,测试重复性在2%以内,满足测试需求。