基于深度李映射网络的同步加速器磁场误差识别
摘要：磁场误差对同步加速器的性能产生限制，因为它们激发了非系统性共振，降低了动态孔径，并可能导致束流丢失。通过假设已知磁场误差的位置和强度，可以对其效应进行补偿。目前已有的识别方法基于轨道响应矩阵或共振驱动项。尽管它们可以依次为后续的加速器段建立场错误模型，但并行检测磁场误差的方法可以节省宝贵的束流时间。我们引入深度李映射网络，通过将带电粒子动力学与机器学习方法相结合来构建包括多极组分的磁场误差的加速器模型，采用数据驱动的方法。基于在GSI的SIS18加速器的示例案例中模拟的束流位置监测读数，我们演示了并行推断所有加速器段的梯度和六极误差的位置和强度。得到的精细的加速器模型可以支持在操作中设置校正磁铁，以更精确地控制共振、色散和共振补偿。
作者：Conrad Caliari, Adrian Oeftiger and Oliver Boine-Frankenheim
论文ID：2301.04914
分类：Accelerator Physics
分类简称：physics.acc-ph
提交时间：2023-06-14