排序方式: 共有31条查询结果,搜索用时 0 毫秒
12.
13.
机器学习技术在近十几年发展迅猛,并被广泛地用于解决复杂的科学和工程问题。最近十年间,基于机器学习的粒子加速器相关研究也开始呈现出井喷式发展趋势。国际上许多加速器实验室开始尝试用机器学习和大数据技术处理加速器中的海量复杂数据,以期解决加速器及其子系统中的诸多物理和技术问题。不过,迄今为止,机器学习在加速器中的应用仍处于初步探索阶段,不同机器学习算法在解决具体加速器问题的效果及其适用范围尚待摸索,机器学习在实际加速器中的应用仍非常有限。因此,有必要对加速器领域中的机器学习研究做一个整体回顾和总结。将回顾机器学习在大型粒子加速器(以储存环加速器和直线加速器为主)中的加速器技术、束流物理以及加速器整体性能优化等研究方向中已取得的研究成果,并探讨机器学习在加速器领域的未来发展方向和应用前景。
相似文献14.
研制了上海光源同步辐射空间干涉仪,用于储存环束团横向截面尺寸及发射度的精确测量。对干涉仪工艺设计中的光路参数、关键设备选型、数据处理方法及数据采集处理软件结构进行了分析讨论。结合束流实验完成了系统调试及运行参数优化,结果表明,CCD增益系数与曝光时间设置对测量精度有显著影响,增益系数设为0 dB,曝光时间设为200 ms时,随机测量误差可控制在μm量级。对上海光源储存环横向束斑尺寸进行了精确测量,结果表明:空间相干度曲线近似为高斯分布,可以采用单一空间频率的相干度测量值进行快速束斑尺寸计算;水平束斑尺寸实测值为52.4 μm,与理论值预期值53.0 μm相比,差异小于2%;系统测量误差约为5.5%,主要误差来源为相干度随机测量误差。 相似文献
15.
研制了上海光源同步辐射空间干涉仪,用于储存环束团横向截面尺寸及发射度的精确测量。对干涉仪工艺设计中的光路参数、关键设备选型、数据处理方法及数据采集处理软件结构进行了分析讨论。结合束流实验完成了系统调试及运行参数优化,结果表明,CCD增益系数与曝光时间设置对测量精度有显著影响,增益系数设为0 dB,曝光时间设为200 ms时,随机测量误差可控制在μm量级。对上海光源储存环横向束斑尺寸进行了精确测量,结果表明:空间相干度曲线近似为高斯分布,可以采用单一空间频率的相干度测量值进行快速束斑尺寸计算;水平束斑尺寸实测值为52.4 μm,与理论值预期值53.0 μm相比,差异小于2%;系统测量误差约为5.5%,主要误差来源为相干度随机测量误差。 相似文献
16.
17.
在已有束流位置信号下变频算法的设计与实现的基础上,优化了算法时序,设计实现了数字自动增益控制、慢应用信号处理等模块功能,能获得逐圈、快应用及闭轨数据。上海光源储存环上的束流测试结果显示,处理器可正确获取包含束流真实运动的多速率位置数据。在174 mA储存环流强、500个束团的填充模式时,逐圈位置数据分辨力达到0.84 m,快应用位置数据分辨力达到0.44 m,闭轨位置数据分辨力达到0.23 m,性能满足设计要求。 相似文献
18.
19.
为了进一步提高相位测量精度,上海光源束测组在原有逐束团相位测量系统基础上,提出了一种新的信号处理方式——相关函数法。此方法无需对原始束流信号进行低通滤波,通过直接在时域对示波器全部采样点进行模式匹配来计算逐束团相位,其优势在于数据处理仅受仪器带宽限制,可以保留更多的高次谐波信号。研究结果表明,新方法可避免低通滤波带来的束团间信号串扰问题,降低信号反射带来的系统测量误差。主成分分析法被用来评估相位测量分辨率,电荷量越大,分辨率越好。束团间精确的相位依赖关系还可用于储存环束流尾场及阻抗的分析。 相似文献
20.