L’apprentissage automatique révèle des composants cachés des impulsions de rayons X

Tous tels nach Plastik Mit zunehmendem Abfall augmente auch das

Les impulsions ultrarapides des lasers à rayons X révèlent comment les atomes se déplacent à des échelles de temps d’une femtoseconde. C’est un quadrillionième de seconde. Cependant, mesurer les propriétés des impulsions elles-mêmes est un défi. Bien que la détermination de la force maximale d’une impulsion, ou « amplitude », soit simple, le moment auquel l’impulsion atteint le maximum, ou « phase », est souvent caché. Une nouvelle étude entraîne des réseaux de neurones à analyser le pouls pour révéler ces sous-composants cachés. Les physiciens appellent également ces sous-composants « réels » et « imaginaires ». À partir de mesures à faible résolution, les réseaux de neurones révèlent des détails plus fins à chaque impulsion, et ils peuvent analyser les impulsions des millions de fois plus rapidement que les méthodes précédentes.

La nouvelle méthode d’analyse est jusqu’à trois fois plus précise et des millions de fois plus rapide que les méthodes existantes. Connaître les composants de chaque impulsion de rayons X conduit à des données meilleures et plus nettes. Cela élargira la science possible à l’aide de lasers à rayons X ultrarapides, y compris la recherche fondamentale en chimie, physique et science des matériaux et les applications dans des domaines tels que l’informatique quantique. Par exemple, les informations supplémentaires sur les impulsions pourraient permettre des expériences à résolution temporelle plus simples et à plus haute résolution, révéler de nouveaux domaines de la physique et ouvrir la porte à de nouvelles recherches sur la mécanique quantique. L’approche du réseau neuronal utilisée ici pourrait également avoir de vastes applications dans la science des rayons X et des accélérateurs, y compris l’apprentissage de la forme des protéines ou des propriétés d’un faisceau d’électrons.

Les caractérisations de la dynamique du système sont des applications importantes pour les lasers à rayons X à électrons libres (XFEL), mais la mesure des propriétés temporelles des impulsions de rayons X utilisées dans ces expériences est un défi de longue date. Le diagnostic des propriétés de chaque impulsion XFEL individuelle pourrait permettre une nouvelle classe d’expériences dynamiques plus simples et potentiellement à plus haute résolution. Cette recherche menée par des scientifiques du SLAC National Accelerator Laboratory et du Deutsches Elektronen-Synchrotron est un pas vers cet objectif. La nouvelle approche forme des réseaux de neurones, une forme d’apprentissage automatique, pour combiner des mesures à basse résolution dans les domaines temporel et fréquentiel et récupérer les propriétés des impulsions de rayons X à haute résolution. L’architecture de réseau de neurones basée sur un modèle « informée par la physique » peut être entraînée directement sur des données expérimentales non étiquetées et est suffisamment rapide pour une analyse en temps réel sur la nouvelle génération de mégahertz XFEL. De manière critique, la méthode récupère également la phase, ouvrant la porte à des expériences de contrôle cohérent avec les XFEL, façonnant le mouvement complexe des électrons dans les molécules et les systèmes de matière condensée.

La recherche a été publiée dans Optique Express.

Plus d’information:
D. Ratner et al, Récupération de la phase et de l’amplitude des impulsions FEL de rayons X à l’aide de réseaux de neurones et de modèles différentiables, Optique Express (2021). DOI : 10.1364/OE.432488

Fourni par le Département américain de l’énergie

ph-tech