首页> 外文OA文献 >Machine learning applied to single-shot x-ray diagnostics in an XFEL
【2h】

Machine learning applied to single-shot x-ray diagnostics in an XFEL

机译:机器学习适用于XFEL中的单次X射线诊断

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。
获取外文期刊封面目录资料

摘要

X-ray free-electron lasers (XFELs) are the only sources currently able toproduce bright few-fs pulses with tunable photon energies from 100 eV to morethan 10 keV. Due to the stochastic SASE operating principles and othertechnical issues the output pulses are subject to large fluctuations, making itnecessary to characterize the x-ray pulses on every shot for data sortingpurposes. We present a technique that applies machine learning tools to predictx-ray pulse properties using simple electron beam and x-ray parameters asinput. Using this technique at the Linac Coherent Light Source (LCLS), wereport mean errors below 0.3 eV for the prediction of the photon energy at 530eV and below 1.6 fs for the prediction of the delay between two x-ray pulses.We also demonstrate spectral shape prediction with a mean agreement of 97%.This approach could potentially be used at the next generation ofhigh-repetition-rate XFELs to provide accurate knowledge of complex x-raypulses at the full repetition rate.
机译:X射线自由电子激光器(XFEL)是目前唯一能够以100 eV到10 keV以上的可调光子能量产生明亮的几fs脉冲的光源。由于随机的SASE操作原理和其他技术问题,输出脉冲会出现较大的波动,因此有必要在每次拍摄时表征X射线脉冲,以进行数据分类。我们提出了一种将机器学习工具应用于使用简单电子束和x射线参数作为输入来预测x射线脉冲特性的技术。在直线加速器相干光源(LCLS)上使用该技术,分别在530eV处的光子能量预测中的平均误差低于0.3 eV,对于两个X射线脉冲之间的延迟的预测中的平均误差均在1.6 fs以下。预测的平均一致性为97%。这种方法可能会在下一代高重复率XFEL中使用,从而以完整的重复率提供复杂x射线脉冲的准确知识。

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号