基于机器学习的束团横向相空间测量
其他题名Measurement of transverse phase space based on machine learning
2023-11-07
发表期刊强激光与粒子束
ISSN1001-4322
卷号35期号:11页码:107-117
发表状态已发表
DOI10.11884/HPLPB202335.230074
摘要

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。

关键词横向相空间 断层扫描 机器学习 神经网络
URL查看原文
收录类别CSCD ; 北大核心
语种中文
原始文献类型学术期刊
来源库CNKI
中图分类号TL50;TP181
文献类型期刊论文
条目标识符https://kms.shanghaitech.edu.cn/handle/2MSLDSTB/346082
专题物质科学与技术学院
物质科学与技术学院_外聘教师
物质科学与技术学院_硕士生
作者单位
1.上海科技大学物质科学与技术学院;
2.清华大学工程物理系
第一作者单位物质科学与技术学院
第一作者的第一单位物质科学与技术学院
推荐引用方式
GB/T 7714
韩雨涛,李任恺,万唯实. 基于机器学习的束团横向相空间测量[J]. 强激光与粒子束,2023,35(11):107-117.
APA 韩雨涛,李任恺,&万唯实.(2023).基于机器学习的束团横向相空间测量.强激光与粒子束,35(11),107-117.
MLA 韩雨涛,et al."基于机器学习的束团横向相空间测量".强激光与粒子束 35.11(2023):107-117.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[韩雨涛]的文章
[李任恺]的文章
[万唯实]的文章
百度学术
百度学术中相似的文章
[韩雨涛]的文章
[李任恺]的文章
[万唯实]的文章
必应学术
必应学术中相似的文章
[韩雨涛]的文章
[李任恺]的文章
[万唯实]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。