En magnet på ett testställ inuti SLAC National Accelerator Laboratory. Forskare har skapat en maskininlärningsmodell som hjälper till att förutsäga hur magneter kommer att fungera under strålexperiment, bland andra applikationer. Kredit:Scott Anderson, SLAC National Accelerator Laboratory
Efter en lång dag på jobbet kan du känna dig trött eller upprymd. Hur som helst så påverkas du av det som hände dig tidigare.
Acceleratormagneter är inte annorlunda. Vad de gick igenom – eller vad som gick igenom dem, som en elektrisk ström – påverkar hur de kommer att prestera i framtiden.
Utan att förstå en magnets förflutna kan forskare behöva återställa den helt innan de påbörjar ett nytt experiment, en process som kan ta 10 eller 15 minuter. Vissa acceleratorer har hundratals magneter, och processen kan snabbt bli tidskrävande och kostsam.
Nu har ett team av forskare från Department of Energys SLAC National Accelerator Laboratory och andra institutioner utvecklat en kraftfull matematisk teknik som använder koncept från maskininlärning för att modellera en magnets tidigare tillstånd och göra förutsägelser om framtida tillstånd. Detta nya tillvägagångssätt eliminerar behovet av att återställa magneterna och resulterar i förbättringar av acceleratorns prestanda omedelbart.
"Vår teknik förändrar i grunden hur vi förutsäger magnetiska fält inuti acceleratorer, vilket kan förbättra prestandan hos acceleratorer över hela världen," sa Ryan Roussel, SLAC-forskare. "Om historien om en magnet inte är välkänd kommer det att vara svårt att fatta framtida kontrollbeslut för att skapa den specifika strålen som du behöver för ett experiment."
Teamets modell tittar på en viktig egenskap hos magneter som kallas hysteres, vilket kan ses som kvarvarande (eller överbliven) magnetism. Hysteres är som det överblivna varmvattnet i dina duschrör efter att du har stängt av varmvattnet. Din dusch blir inte omedelbart kall – det varma vattnet som finns kvar i rören måste rinna ut ur duschmunstycket innan bara kallt vatten finns kvar.
"Hysteres gör inställning av magneter utmanande," sa SLAC-associerad forskare Auralee Edelen. "Samma inställningar i en magnet som resulterade i en strålstorlek igår kan resultera i en annan strålstorlek idag på grund av effekten av hysteres."
Teamets nya modell tar bort behovet av att återställa magneter lika ofta och kan göra det möjligt för både maskinoperatörer och automatiserade inställningsalgoritmer att snabbt se deras nuvarande tillstånd, vilket gör det som en gång var osynligt synligt, sa Edelen.
För tio år sedan behövde många acceleratorer inte ta hänsyn till känslighet för hysteresfel, men med mer exakta faciliteter som SLAC:s LCLS-II som kommer online är det mer kritiskt än någonsin att förutsäga kvarvarande magnetism, sa Roussel.
Hysteresmodellen kan också hjälpa mindre acceleratoranläggningar, som kanske inte har så många forskare och ingenjörer att återställa magneter, köra experiment med högre precision. Teamet hoppas kunna implementera metoden över en hel uppsättning magneter vid en acceleratoranläggning och demonstrera en förbättring av prediktiv noggrannhet på en operationell accelerator. + Utforska vidare