Реальный без присмотра

Том 12 научных отчетов, номер статьи: 20783 (2022) Цитировать эту статью

2447 Доступов

1 Цитаты

96 Альтметрика

Подробности о метриках

Мы представляем реальную обработку данных по измеренным данным времени пролета электронов с помощью нейронных сетей. В частности, использование распутанных вариационных автоэнкодеров на данных диагностического прибора для онлайн-мониторинга длины волны на лазере на свободных электронах FLASH в Гамбурге. Без априорных знаний сеть способна находить представления однократных спектров ЛСЭ, которые имеют низкое соотношение сигнал/шум. Это раскрывает, непосредственно понятным человеку, важную информацию о свойствах фотонов. Идентифицируются энергия и интенсивность центрального фотона, а также очень специфические особенности детектора. Сеть также способна очищать данные, то есть шумоподавлять, а также удалять артефакты. При реконструкции это позволяет идентифицировать сигнатуры очень низкой интенсивности, которые трудно распознать в необработанных данных. В данном конкретном случае сеть повышает качество диагностического анализа во FLASH. Однако этот неконтролируемый метод также может улучшить анализ других подобных типов данных спектроскопии.

Лазеры на свободных электронах (ЛСЭ) позволяют проводить атомную и молекулярную науку в фемтосекундном и аттосекундном режиме, создавая высокоинтенсивные фотонные импульсы в этом временном масштабе. Однако ЛСЭ, основанные на принципе самоусиливающегося спонтанного излучения (SASE)1,2, такие как FLASH3, создают пространственные, спектральные и временные характеристики импульса, которые сильно колеблются от импульса к импульсу. Следовательно, надежная фотонная диагностика на основе однократного выстрела необходима для надежного анализа данных научных экспериментов пользователей, проводимых на таких объектах. Сортировка записанных данных после эксперимента по различным свойствам, таким как интенсивность или длина волны, может выявить признаки физических процессов, которые иначе были бы скрыты или даже скрыты в наборах данных. Для измерения фотоионизации газовых мишеней на ЛСЭ используется ряд диагностических приборов, таких как газомониторный детектор (ГМД)4,5 для измерения абсолютной энергии импульса, ТГц-полоски6,7 для определения временной структуры фотонного импульса8, а также онлайн-фотоионизационный спектрометр OPIS9,10 (см. рис. 1) и так называемый cookie-box8,11, которые используют фотоэлектронную спектроскопию для получения информации о спектральном распределении излучения ЛСЭ. Преимущество этих диагностических методов заключается в том, что они могут быть практически полностью неинвазивными. В процессе фотоионизации из-за высокой интенсивности ЛСЭ в ионизированной газовой мишени в области взаимодействия приборов может быть создан значительный объемный заряд10. Этот объемный заряд накапливается даже при высоких частотах повторения импульсов ЛСЭ, поскольку созданные ионы целевого газа не могут достаточно быстро рассеяться за счет кулоновского отталкивания или пополниться свежими объединенными атомами до прихода следующего импульса ЛСЭ. Для приборов, основанных на фотоэлектронной спектроскопии, таких как OPIS, объемный заряд может исказить диагностические измерения, поскольку он изменяет распределение кинетической энергии фотоэлектронов. Чтобы свести к минимуму такие вредные эффекты, вызванные объемным зарядом, OPIS работает при низких давлениях целевого газа. По этой причине однократные спектры OPIS обычно демонстрируют низкую скорость счета и, следовательно, фотолинии содержат лишь небольшое количество одноэлектронных событий, проявляющихся в виде всплесков в спектре, которые нечетко отличаются от всплесков случайного шума (см. рис. 1). ). Чтобы получить значимые результаты по длине волны, обычно применяется схема скользящего среднего на переменных интервалах времени. Следовательно, в прошлом в большинстве случаев не удавалось предоставить надежную информацию об отдельных кадрах, которая важна для экспериментов. Здесь мы представляем метод выявления свойств фотона в режиме однократного разрешения, несмотря на низкую статистику, с использованием искусственного интеллекта, использующего специальный тип автокодировщика, который представляет данные, полученные диагностическим устройством, в сжатом и понятном виде. способ.