机器学习增强先进光源光束性能

同步加速器光源是一种功能强大的装置，使科学家能够在材料科学、生物、化学、物理和环境科学领域以各种方式探索样品。最近，研究人员表示，他们已经找到了一种方法来升级这些机器，以产生更强、更集中、更一致的光束，从而能够在更广泛的样本类型中进行更复杂、更详细的新研究。然而，一些光束特性仍然表现出性能的波动，这给一些实验带来了挑战。

许多同步加速器装置为几十个同步加速器实验提供不同类型的光。对这些单个光束线的微小调整可增强光束性能，并可反馈至整个设施的整体光束性能。现在，美国能源部劳伦斯·伯克利国家实验室和加州大学伯克利分校的研究人员已经成功演示了如何利用机器学习来提高光束稳定性。相关论文最近发表在《物理评论快报》上。

在这项研究中，研究人员将先进光源的电子束数据输入到机器学习网络中。该网络可以识别这些数据的模式，并确定不同的设备参数如何影响电子束的宽度。机器学习算法还建议调整磁铁以优化电子束。由于电子束的大小反映了磁体产生的电子束，该算法还优化了ALS用来研究材料特性的电子束。

ALS的主管史蒂夫·凯旺说:“这对于ALS及其升级版来说是一个非常重要的发展。近年来，我们在x光显微镜的图像中发现了一些伪影。本研究提出了一种新的基于机器学习的前馈方法，在很大程度上解决了这个问题

研究人员表示，ALS的成功演示表明，该技术还可以广泛应用于其他光源。

相关论文信息:http://dx.doi.org/10.1103/PhysRevLett.123.194801