人工智能應(yīng)用到同步輻射光源上，可增強光束性能

（文章來源：百家號）

同步輻射光源是強大的設(shè)施，通過加速電子在受控光束中發(fā)射光，產(chǎn)生各種“顏色”或波長的光（從紅外到X射線）。像能源部勞倫斯·伯克利國家實驗室(Berkeley Lab)高級光源這樣的同步加速器，能讓科學(xué)家使用這種光以各種方式探索樣品，范圍從材料科學(xué)、生物學(xué)和化學(xué)到物理和環(huán)境科學(xué)。研究人員已經(jīng)找到了升級這些機器的方法，以產(chǎn)生更強、更聚焦、更一致的光束，從而能夠在廣泛的樣本類型中進行新的、更復(fù)雜和詳細(xì)的研究。

但是一些光束特性仍然表現(xiàn)出性能的波動，這對某些實驗提出了挑戰(zhàn)。其中許多同步加速器設(shè)備為數(shù)十個同時進行的實驗提供不同類型的光。并且在這些單獨的光束線上增強光束屬性的小調(diào)整可以反饋到整個設(shè)施整體光束性能中。同步加速器的設(shè)計者和操作員幾十年來一直在與各種方法搏斗，以補償這些波動中最頑固的部分?，F(xiàn)在，伯克利實驗室和加州大學(xué)伯克利分校的一個大型研究團隊，已經(jīng)成功地證明了機器學(xué)習(xí)工具如何通過調(diào)整來提高實驗光束大小的穩(wěn)定性。

神經(jīng)網(wǎng)絡(luò)識別該數(shù)據(jù)中的模式，并確定不同的器件參數(shù)如何影響電子束的寬度，機器學(xué)習(xí)算法還建議對磁鐵進行調(diào)整，以優(yōu)化電子束。由于電子束的大小反映了磁鐵產(chǎn)生的光束，因此該算法還優(yōu)化了用于研究ALS材料特性的光束。

在ALS上的成功演示表明，該技術(shù)一般也可以應(yīng)用于其他光源，并且將特別有利于通過升級ALS(稱為ALS-U項目)而實現(xiàn)的專業(yè)研究。伯克利實驗室(Berkeley Lab)下屬機構(gòu)西村博史(Hiroshi Nishimura)說：這就是它的美妙之處，無論加速器是什么，無論傳統(tǒng)解決方案是什么，這個解決方案都可以在此之上。

今年早些時候，研究人員在ALS環(huán)周圍的兩個不同地點成功測試了該算法，ALS其他用戶進行新算法測試實驗，并要求對任何意想不到的性能問題提供反饋。ALS的博士后研究員C·內(nèi)森·梅爾頓(C.Nathan Melton)說：在用戶操作方面進行了一致的測試。機器學(xué)習(xí)研究首席研究員、ALS加速器運營與開發(fā)的副手西蒙·利曼(Simon Leemann)說：對測試沒有任何負(fù)面反饋，研究團隊使用其中一條監(jiān)測光束線是不斷測量加速器性能的診斷光束線，另一條是實驗正在積極運行的光束線。

具有活躍實驗的光束線(beamline 5.3.2.2)使用了一種被稱為掃描透射X射線顯微鏡(STXM)的技術(shù)，那里的科學(xué)家報告說在實驗中改善了光束性能。機器學(xué)習(xí)小組注意到，增強的光束性能也非常適合先進的X射線技術(shù)，如排版印刷，它可以將樣品的結(jié)構(gòu)分解到納米級；以及X射線光子相關(guān)光譜(XPCS)，這對于研究沒有均勻結(jié)構(gòu)高濃度材料的快速變化非常有用。其他需要可靠、高度聚焦恒定強度光束與樣品相互作用的實驗也可以從機器學(xué)習(xí)增強中受益。

隨著對樣品的小面積掃描，實驗要求變得越來越苛刻，所以必須找到新的方法來糾正這些不完美之處。光源是一直在努力解決的核心問題，以及機器學(xué)習(xí)工具所解決的問題，是在光束線源點處波動的垂直電子束尺寸。源點是光源處的電子束發(fā)射，到特定光束線實驗光的點，雖然電子束在這一點上的寬度是自然穩(wěn)定，但它的高度(或垂直源大小)可以波動。這一努力克服了最初對機器學(xué)習(xí)提高加速器性能可行性的懷疑，并打開了此類工具如何產(chǎn)生真正效益的“黑匣子”。

這不是一個傳統(tǒng)上屬于加速器社區(qū)的工具，研究成功地將來自兩個不同社區(qū)的人聚集在一起，解決了一個非常棘手的問題。機器學(xué)習(xí)從根本上需要兩件事：問題需要可重現(xiàn)，需要大量的數(shù)據(jù)。數(shù)據(jù)顯示，當(dāng)在各個光束線上進行調(diào)整時，電子束性能中出現(xiàn)了微小光點，并且該算法找到了一種方法來調(diào)整電子束，使其比傳統(tǒng)方法更好地抵消了這種影響這個問題由大約35個參數(shù)組成，這真的太復(fù)雜了，神經(jīng)網(wǎng)絡(luò)一旦被訓(xùn)練就做了什么，它能提供了一個預(yù)測，如果它根本不做任何事情來糾正它，那么機器中的源大小會發(fā)生什么情況。

在這個模型中有一個額外參數(shù)，描述了在某種類型磁鐵中所做的改變?nèi)绾斡绊懺闯叽?。所以下來要做的就是選擇參數(shù)，根據(jù)這個神經(jīng)網(wǎng)絡(luò)預(yù)測，產(chǎn)生研究想要創(chuàng)建的光束尺寸，并將其應(yīng)用到機器上。算法指導(dǎo)的系統(tǒng)現(xiàn)在可以以每秒10次的速率進行校正，盡管每秒三次似乎足以提高這個階段的性能。機器學(xué)習(xí)團隊從能源部獲得了兩年資金，以便與SLAC國家加速器實驗室的斯坦福同步輻射光源合作，開展這個和其他機器學(xué)習(xí)項目。研究人員表示：人工智能這個流行詞似乎已經(jīng)在研究界流行了很多年，不過，這一次它似乎終于變成了真實的東西。
（責(zé)任編輯：fqj）