FenixEdu™

Dissertação

Machine learning controlled plasma based acceleration EVALUATED

Detalhes: Recentemente utilizaram-se algoritmos genéticos para controlar aceleradores a plasma usando impulsos lasers ultracurtos para aceleração de eletrões. Neste trabalho esta técnica é usada para fazer experiências virtuais de controlo e otimização desses mesmos aceleradores. O algoritmo genético foi implementado no ZPIC, um código particle-in-cell (PIC) totalmente relativista. O algoritmo é bastante automatizado: depois de informado do conjunto de parâmetros iniciais, lança várias simulações em paralelo, analisa os resultados e termina automaticamente quando os critérios de convergência são alcançados. Este código pode portanto ser corrido em supercomputadores. Depois de um benchmark a PIC 1D, resultados de simulações 1D e 2D são apresentados. Em 1D, a otimização focou-se em plasmas com densidade não uniforme e em lasers com perfis longitudinais variáveis. Em 2D, o papel da frente de onda na aceleração é considerada: a distância de aceleração, a radiação emitida pelos electrões e a eficiência energética (mais partículas num intervalo de energia) foram todas otimizadas via um laser que não era perfeitamente gaussiano. Os resultados da eficiência energética corroboram as teses de outros estudos, mas os resultados da distância de aceleração e radiação são novos e podem levar a experiências para os testar. O algoritmo é geral, e pode ser imediatamente aplicado a qualquer outra classe de problemas de otimização em física de plasma.
Keywords: Aprendizagem Automática, Algoritmo Genético, Plasma, Otimização, Laser

Discussão: novembro 14, 2018, 14:0