ترجمه فارسی مقاله شناسایی خطاهای میدان مغناطیسی مبتنی بر پرتو در یک سنکروترون با استفاده از شبکه‌های نقشه دروغ عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Beam-based Identification of Magnetic Field Errors in a Synchrotron using Deep Lie Map Networks
عنوان مقاله به فارسی شناسایی خطاهای میدان مغناطیسی مبتنی بر پرتو در یک سنکروترون با استفاده از شبکه‌های نقشه دروغ عمیق
نویسندگان Conrad Caliari, Adrian Oeftiger, Oliver Boine-Frankenheim
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Accelerator Physics,فیزیک شتاب دهنده ,
توضیحات Submitted 21 August, 2024; originally announced August 2024.
توضیحات به فارسی ارائه شده 21 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We present the first experimental validation of the Deep Lie Map Network (DLMN) approach for recovering both linear and non-linear optics in a synchrotron. The DLMN facilitates the construction of a detailed accelerator model by integrating charged particle dynamics with machine learning methodology in a data-driven framework. The primary observable is the centroid motion over a limited number of turns, captured by beam position monitors. The DLMN produces an updated description of the accelerator in terms of magnetic multipole components, which can be directly utilized in established accelerator physics tools and tracking codes for further analysis. In this study, we apply the DLMN to the SIS18 hadron synchrotron at GSI for the first time. We discuss the validity of the recovered linear and non-linear optics, including quadrupole and sextupole errors, and compare our results with alternative methods, such as the LOCO fit of a measured orbit response matrix and the evaluation of resonance driving terms. The small number of required trajectory measurements, one for linear and three for non-linear optics reconstruction, demonstrates the method's time efficiency. Our findings indicate that the DLMN is well-suited for identifying linear optics, and the recovery of non-linear optics is achievable within the capabilities of the current beam position monitor system. We demonstrate the application of DLMN results through simulated resonance diagrams in tune space and their comparison with measurements. The DLMN provides a novel tool for analyzing the causal origins of resonances and exploring potential compensation schemes.

چکیده به فارسی (ترجمه ماشینی)

ما اولین اعتبار سنجی آزمایشی شبکه Deep Lie Map (DLMN) را برای بازیابی اپتیک خطی و غیر خطی در یک سنکروترون ارائه می دهیم.DLMN با ادغام پویایی ذرات شارژ شده با روش یادگیری ماشین در یک چارچوب داده محور ، ساخت یک مدل شتاب دهنده دقیق را تسهیل می کند.قابل مشاهده اصلی حرکت سانتروئید در تعداد محدودی از چرخش ها است که توسط مانیتورهای موقعیت پرتو ضبط شده است.DLMN توضیحات به روز شده از شتاب دهنده را از نظر اجزای چندگانه مغناطیسی تولید می کند ، که می تواند به طور مستقیم در ابزارهای فیزیک شتاب دهنده ایجاد شده و کدهای ردیابی برای تجزیه و تحلیل بیشتر مورد استفاده قرار گیرد.در این مطالعه ، DLMN را برای اولین بار در SIS18 Synchrotron SIS18 در GSI اعمال می کنیم.ما در مورد اعتبار اپتیک های خطی و غیر خطی بازیابی شده ، از جمله خطاهای چهار گوش و sextupole ، بحث می کنیم و نتایج خود را با روشهای جایگزین مقایسه می کنیم ، مانند تناسب Loco یک ماتریس پاسخ مدار اندازه گیری شده و ارزیابی شرایط رانندگی رزونانس.تعداد کمی از اندازه گیری مسیر مورد نیاز ، یکی برای خطی و سه مورد برای بازسازی اپتیک غیر خطی ، راندمان زمان روش را نشان می دهد.یافته های ما نشان می دهد که DLMN برای شناسایی اپتیک خطی مناسب است و بازیابی اپتیک غیر خطی در قابلیت های سیستم مانیتور موقعیت فعلی پرتو قابل دستیابی است.ما استفاده از نتایج DLMN را از طریق نمودارهای رزونانس شبیه سازی شده در فضای لحن و مقایسه آنها با اندازه گیری ها نشان می دهیم.DLMN ابزاری جدید برای تجزیه و تحلیل منشأ علّی رزونانس و کاوش در طرح های جبران خسارت بالقوه فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.