Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Accurate prediction of X-… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Accurate prediction of X-ray pulse properties from a free-electron laser using machine learning

Artikel i vetenskaplig tidskrift
Författare A. Sanchez-Gonzalez
P. Micaelli
C. Olivier
T. R. Barillot
M. Ilchen
A. A. Lutman
A. Marinelli
T. Maxwell
A. Achner
M. Agaker
N. Berrah
C. Bostedt
J. D. Bozek
J. Buck
P. H. Bucksbaum
S. C. Montero
B. Cooper
J. P. Cryan
M. Dong
Raimund Feifel
L. J. Frasinski
H. Fukuzawa
A. Galler
G. Hartmann
N. Hartmann
W. Helml
A. S. Johnson
A. Knie
Anton Lindahl
J. Liu
K. Motomura
M. Mucke
C. O'Grady
J. E. Rubensson
E. R. Simpson
Richard J. Squibb
C. Sathe
K. Ueda
M. Vacher
D. J. Walke
Vitali Zhaunerchyk
R. N. Coffee
J. P. Marangos
Publicerad i Nature Communications
Volym 8
ISSN 2041-1723
Publiceringsår 2017
Publicerad vid Institutionen för fysik (GU)
Språk en
Länkar doi.org/10.1038/ncomms15461
https://gup.ub.gu.se/file/206945
Ämnesord neural-networks, time, physics, spectroscopy, radiation, dynamics, Science & Technology - Other Topics
Ämneskategorier Fysik

Sammanfattning

Free-electron lasers providing ultra-short high-brightness pulses of X-ray radiation have great potential for a wide impact on science, and are a critical element for unravelling the structural dynamics of matter. To fully harness this potential, we must accurately know the X-ray properties: intensity, spectrum and temporal profile. Owing to the inherent fluctuations in free-electron lasers, this mandates a full characterization of the properties for each and every pulse. While diagnostics of these properties exist, they are often invasive and many cannot operate at a high-repetition rate. Here, we present a technique for circumventing this limitation. Employing a machine learning strategy, we can accurately predict X-ray properties for every shot using only parameters that are easily recorded at high-repetition rate, by training a model on a small set of fully diagnosed pulses. This opens the door to fully realizing the promise of next-generation high-repetition rate X-ray lasers.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?