华盛顿[美国]，1月4日(ANI):在漫长的一天劳动之后，你可能会感到疲惫或精力充沛。无论哪种情况，过去发生在你身上的事情仍然会对你产生影响。
加速器中使用的磁铁的工作原理类似。他们过去的经历，或者像电流一样流过他们的东西，会影响他们未来的行为。在开始一项新实验之前，科学家可能需要在不了解磁铁历史的情况下完全重置磁铁;这可能需要10到15分钟。由于一些加速器有数百个磁铁，这个过程很容易变得昂贵和耗时。
根据发表在《物理评论快报》杂志上的一项研究，来自能源部SLAC国家加速器实验室和其他组织的一组科学家创造了一种有效的数学方法，利用机器学习的思想来模拟磁铁以前的状态，并预测其未来的状态。使用这种创新的方法，不再需要重置磁铁，加速器的性能立即提高。
“我们的技术从根本上改变了我们预测加速器内部磁场的方式，这可以提高全世界加速器的性能，”SLAC副科学家Ryan Roussel说。“如果磁铁的历史不为人所知，就很难在未来做出控制决策，以创建实验所需的特定光束。”
该团队的模型着眼于磁铁的一个重要特性，即磁滞，它可以被认为是剩余或剩余的磁性。滞后现象就像你把热水关了之后，淋浴管道里剩下的热水。你的淋浴器不会马上变冷——在剩下冷水之前，留在管道里的热水必须流出淋浴喷头。
“磁滞使调整磁铁具有挑战性，”SLAC副科学家Auralee Edelen说。“由于磁滞效应，在磁铁中相同的设置昨天导致了一个光束大小，今天可能会导致不同的光束大小。”
Edelen说，该团队的新模型不需要经常重置磁铁，可以使机器操作员和自动调谐算法快速看到它们的当前状态，使曾经看不见的东西变得可见。
Roussel说，十年前，许多加速器不需要考虑对迟滞误差的敏感性，但随着SLAC的LCLS-II等更精确的设备的上线，预测残余磁比以往任何时候都更加关键。
迟滞模型还可以帮助小型加速器设施进行更高精度的实验，这些设施可能没有那么多的研究人员和工程师来重置磁铁。该团队希望在加速器设施的全套磁铁上实施该方法，并证明在运行加速器上预测精度的提高。
这项研究得到了美国能源部基础能源科学办公室的支持。SLAC计量组和高级光子源也支持这项工作。(ANI)
