利用人工智能优化对强大等离子加速器的控制

研究人员已经使用AI控制用于研究，医学和工业应用的下一代更小，更便宜的加速器的光束。

用作等离子体源的气室。激光从这些图像的右侧穿过金属锥到达，并进入充满气体的小立方体。激光使气体电离，然后将其转变成等离子体并产生加速器。

由伦敦帝国理工学院研究人员领导的实验，使用了科学技术设施委员会的中央激光设备(CLF)，表明该算法能够调节涉及控制下一代基于等离子体的粒子加速器的复杂参数。

该算法能够比人工操作更快地优化加速器，甚至可以胜过在类似激光系统上进行的实验。

这些加速器将世界上最强大的激光的能量聚焦到皮肤细胞大小的一个点，并使用比传统加速器大小小的设备产生电子和X射线。

电子和X射线可用于科学研究，例如探测材料的原子结构;在工业应用中，例如用于生产消费电子产品和汽车轮胎的硫化橡胶;并且还可以用于医疗应用，例如癌症治疗和医学成像。

使用这些新型加速器的多家工厂正在全球规划和建设的各个阶段，包括英国CLF的极限光子学应用中心(EPAC)，这一新发现可以帮助它们在未来发挥最佳性能。结果今天在《自然通讯》上发表。

第一作者Rob Shalloo博士完成了Imperial的工作，现在在DESY加速器中心工作。他说：“我们开发的技术将有助于最大限度地利用正在建设中的新一代先进等离子加速器设施英国和全球。

“等离子加速器技术可提供独特的短时电子和X射线爆发，这些短时电子和X射线已经在许多科学研究领域中找到了用途。随着我们的发展，我们希望扩大对这些紧凑型加速器的可及性，使其他学科的科学家和希望使用这些机器进行应用，而不必成为等离子加速器的专家就可以从该技术中受益。”

该团队与激光尾场加速器合作。它们将世界上最强大的激光与等离子体(电离气体)源结合在一起，形成了集中的电子和X射线束。传统的加速器需要数百米至几千米的距离来加速电子，但是尾场加速器可以在毫米空间内管理相同的加速，从而极大地减少了设备的尺寸和成本。

但是，由于尾场加速器在激光器与等离子体结合时所产生的极端条件下运行，因此它们可能难以控制和优化以获得最佳性能。在尾波加速中，超短激光脉冲被驱动到等离子体中，从而产生用于加速电子的波。激光和等离子体都具有可以调整以控制相互作用的几个参数，例如激光脉冲的形状和强度，或等离子体的密度和长度。

尽管操作员可以调整这些参数，但很难知道如何一次优化这么多参数。相反，该团队转向人工智能，创建了机器学习算法来优化加速器的性能。

该算法设置了六个参数来控制激光器和等离子体，发射激光器，分析数据，然后重新设置参数，连续执行此循环多次，直到达到最佳参数配置为止。

首席研究员Matthew Streeter博士在帝国大学完成了工作，现在在贝尔法斯特女王大学就读。他说：“我们的工作产生了自主研发的等离子加速器，这是第一个此类加速器。它使我们能够有效地优化加速器，还简化了它们的操作，使我们可以将更多的精力用于探索这些极限机器背后的基本物理原理。”

该团队在CLF上使用Gemini激光系统展示了他们的技术，并且已经开始将其用于进一步的实验中，以探测极端条件下材料的原子结构以及研究反物质和量子物理学。

在优化过程中收集的数据还提供了对加速器内部激光等离子体相互作用动力学的新见解，有可能为将来的设计提供信息，以进一步提高加速器性能。

该实验由伦敦帝国理工学院的研究人员与科学技术设施委员会(STFC)，约克等离子体研究所，密歇根大学，牛津大学和德意志电子同步加速器(DESY)的合作者团队进行。它由英国STFC，EU Horizo​​n 2020研究与创新计划，美国国家科学基金会和英国工程与物理科学研究委员会资助。