감독되지 않은 실제

Scientific Reports 12권, 기사 번호: 20783(2022) 이 기사 인용

2447 액세스

1 인용

96 알트메트릭

측정항목 세부정보

우리는 신경망을 통해 측정된 전자 비행 시간 데이터에 대한 실제 데이터 처리를 제시합니다. 특히, 함부르크의 자유 전자 레이저 FLASH에서 온라인 파장 모니터링을 위한 진단 장비의 데이터에 대해 풀린 변형 자동 인코더를 사용합니다. 선험적 지식 없이 네트워크는 신호 대 잡음비가 낮은 단일 샷 FEL 스펙트럼의 표현을 찾을 수 있습니다. 이는 인간이 직접 해석할 수 있는 방식으로 광자 속성에 대한 중요한 정보를 드러냅니다. 중앙 광자 에너지와 강도뿐만 아니라 매우 검출기별 특징도 식별됩니다. 네트워크는 또한 데이터 정리, 즉 잡음 제거는 물론 인공물 제거도 가능합니다. 재구성 시 원시 데이터에서는 거의 인식할 수 없는 매우 낮은 강도의 시그니처를 식별할 수 있습니다. 이 특별한 경우, 네트워크는 FLASH의 진단 분석 품질을 향상시킵니다. 그러나 이 비지도 방법은 다른 유사한 유형의 분광학 데이터 분석을 향상시킬 수 있는 잠재력도 있습니다.

자유 전자 레이저(FEL)는 해당 시간 규모에서 매우 강렬한 광자 펄스를 생성하여 펨토초부터 아토초까지의 영역에서 원자 및 분자 과학을 가능하게 합니다. 그러나 FLASH3와 같은 SASE(자기 증폭 자연 방출)1,2 원리를 기반으로 하는 FEL은 펄스마다 크게 변동하는 공간, 스펙트럼 및 시간 펄스 특성을 생성합니다. 따라서 이러한 시설에서 수행되는 과학적 사용자 실험의 건전한 데이터 분석을 위해서는 단일 샷 기반의 신뢰할 수 있는 광자 진단이 필수적입니다. 강도나 파장과 같은 다양한 속성에 따라 기록된 데이터를 실험 후 정렬하면 데이터 세트에 숨겨져 있거나 숨겨져 있던 물리적 프로세스의 특징을 드러낼 수 있습니다. 절대 펄스 에너지 측정을 위한 GMD(Gas Monitor Detector)4,5, 광자 펄스 시간 구조 결정을 위한 THz-줄무늬6,7 등 가스 타겟의 광이온화를 측정하기 위해 FEL의 다양한 진단 장비가 사용됩니다8. 뿐만 아니라 온라인 광이온화 분광계 OPIS9,10(그림 1 참조) 및 FEL 방사선의 스펙트럼 분포에 대한 정보를 얻기 위해 광전자 분광학을 사용하는 소위 쿠키 상자8,11도 있습니다. 이러한 진단 방법은 거의 완전히 비침습적으로 설계될 수 있다는 장점이 있습니다. 광이온화 과정에서는 높은 FEL 강도로 인해 장비의 상호작용 영역에 있는 이온화된 가스 타겟에 상당한 공간 전하10가 생성될 수 있습니다. 생성된 목표 가스 이온은 쿨롱 반발에 의해 충분히 빠르게 소멸되거나 다음 FEL 펄스가 도달하기 전에 새로운 결합된 원자로 보충될 수 없기 때문에 이 공간 전하는 높은 FEL 펄스 반복 속도로 축적됩니다. OPIS와 같은 광전자 분광법을 기반으로 하는 장비의 경우 공간 전하는 광전자의 운동 에너지 분포를 변경하기 때문에 진단 측정을 왜곡할 수 있습니다. 이러한 공간 전하로 인한 해로운 영향을 최소화하기 위해 OPIS는 낮은 목표 가스 압력에서 작동됩니다. 이러한 이유로 OPIS의 단일 샷 스펙트럼은 일반적으로 낮은 카운트 비율을 나타내며 결과적으로 포토라인은 소수의 단일 전자 이벤트로 구성되어 스펙트럼의 스파이크로 나타나며 이는 무작위 노이즈 스파이크와 명확하게 구별되지 않습니다(그림 1 참조). ). 의미 있는 파장 결과를 얻기 위해 일반적으로 가변 시간 간격에 대한 이동 평균 방식이 적용됩니다. 따라서 실험에 중요한 신뢰할 수 있는 Shot-to-Shot 정보를 과거에는 대부분의 경우 제공할 수 없었습니다. 여기서는 진단 장치에서 얻은 데이터를 압축되고 이해 가능한 형식으로 나타내는 특수한 유형의 자동 인코더를 활용하는 인공 지능을 사용하여 낮은 통계에도 불구하고 단일 샷 분해 모드에서 광자 속성을 표시하는 방법을 제시합니다. 방법.