用于预测带电粒子非线性行为的新型神经网络层

摘要

基于加速器高阶传输映射的非线性效应解析分析,具有物理图像清晰、守辛、准确的优点,但其缺点是适用范围较窄。为了扩展非线性效应解析分析的适用范围,提出一种模拟李指数运算过程的神经网络层并构建了用于预测带电粒子非线性行为的新型神经网络。经过大量粒子跟踪数据的学习,可用于预测带电粒子复杂的非线性运动行为,并从中提取线性传输矩阵与表征非线性运动的指数因子。为了验证该新型神经网络的有效性,跟踪一段由薄透镜磁铁组成的磁聚焦结构得到大量的训练数据,并对所提出的神经网络进行训练。训练后的神经网络在测试数据集上表现良好,测试数据的损失函数方均根小于8×10^(-4),达到了预测带电粒子非线性行为的目的。