人工智慧改善了強大等離子加速器的控制

研究人員已經使用ai控制用於研究，醫療和工業應用的下一代更小，更便宜的加速器的光束。

倫敦帝國理工學院研究人員領導的實驗使用科學技術設施委員會的**雷射裝置（clf），表明該演算法能夠調節與控制下一代基於等離子體的粒子加速器有關的複雜引數。

該演算法能夠比人工操作更快地優化加速器，甚至可以勝過在類似雷射系統上進行的實驗。

這些加速器將世界上最強大的雷射的能量聚焦到**細胞大小的乙個點，並使用比傳統加速器大小小的裝置產生電子和x射線。

電子和x射線可用於科學研究，例如探測材料的原子結構；在工業應用中，例如用於生產消費電子產品和汽車輪胎的硫化橡膠；

「等離子加速器技術可提供獨特的電子和x射線短脈衝，這些短脈衝已在許多科學研究領域中找到了用途。隨著我們的發展，我們希望擴大對這些緊湊型加速器的可及性，使其他學科的科學家和希望使用這些機器進行應用，而無需成為等離子加速器的專家就可以從該技術中受益。」

該團隊與雷射尾場加速器合作。它們將世界上最強大的雷射與等離子體（電離氣體）源結合在一起，形成了集中的電子和x射線束。傳統的加速器需要數百公尺到幾千公尺的距離來加速電子，但是尾場加速器可以在公釐空間內管理相同的加速，從而極大地減少了裝置的尺寸和成本。

但是，由於尾場加速器在雷射與等離子體結合時所產生的極端條件下執行，因此它們可能難以控制和優化以獲得最佳效能。在尾波加速中，超短雷射脈衝被驅動到等離子體中，從而產生用於加速電子的波。雷射和等離子體都具有可以調整以控制相互作用的幾個引數，例如雷射脈衝的形狀和強度，或等離子體的密度和長度。

儘管操作員可以調整這些引數，但很難知道如何一次優化這麼多引數。相反，該團隊轉向人工智慧，建立了機器學習演算法來優化加速器的效能。

這張**顯示了真空室的外部，真空室被塗有鉛的鉛磚完全包圍。引線用於輻射防護，金屬框架允許將引線壁捲入和卷出以允許進入腔室。對它們進行塗漆是因為鉛有劇毒，因此對它們進行塗漆可以防止它們產生有害的鉛塵。

該演算法設定了六個引數來控制雷射和等離子體，發射雷射，分析資料，然後重新設定引數，連續執行此迴圈多次，直到達到最佳引數配置為止。

首席研究員matthew streeter博士完成了imperial的工作，現在在貝爾法斯特女王大學就讀。他說：「我們的工作產生了自主研發的等離子體加速器，這是第乙個此類加速器。除了讓我們有效地優化加速器外，它也簡化了它們的操作，並使我們能夠將更多的精力花在探索這些極端機器背後的基本物理學上。」

該團隊在clf上使用gemini雷射系統展示了他們的技術，並且已經開始將其用於進一步的實驗中，以探測極端條件下材料的原子結構以及研究反物質和量子物理學。

在優化過程中收集的資料還提供了對加速器內部雷射-等離子體相互作用動力學的新見解，有可能為將來的設計提供資訊，以進一步提高加速器效能。