Microondas para protones: cómo la automatización mantiene el espín exprés
En el acelerador de Fermilab, un haz de partículas golpea un blanco de amoníaco congelado. Los núcleos de hidrógeno en su interior son como pequeñas peonzas, y los físicos necesitan que todas giren en la misma dirección. Entonces las colisiones revelarán cómo está hecho el espín del protón. Pero lograr que miles de millones de peonzas miren hacia el mismo lado es como intentar que una multitud en un estadio se alinee con un silbato.
Las microondas a 140 gigahercios actúan como una batuta de director. Voltean los espines de los núcleos y estos gradualmente se alinean. El problema es que la radiación del haz estropea el ajuste: la frecuencia "se desvía", como una cuerda desafinada. Antes, el operador ajustaba manualmente la perilla observando la señal. Ahora lo hace un autómata.
Los ingenieros construyeron un gemelo digital de todo el sistema: un modelo informático que replica el comportamiento de la instalación real. En él se tienen en cuenta el calentamiento, la deriva por radiación y el ruido de los sensores. Con este modelo se entrenaron varios algoritmos: uno simplemente sigue reglas simples, otro aprende por ensayo y error, y un tercero busca patrones sin pistas. Todos pueden ajustar dos perillas a la vez: la frecuencia de las microondas y su potencia.
Resultado: la polarización del blanco se mantiene al máximo incluso cuando el haz estropea el ajuste. El operador se sienta en una sala segura y observa los gráficos, en lugar de girar perillas cerca de la radiación. El mismo esquema servirá para futuros experimentos con espín y para cualquier instalación criogénica con microondas delicadas.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2604.10447
The SpinQuest experiment at Fermilab employs a dynamically polarized solid ammonia target to probe the spin structure of the proton, requiring stable, optimized microwave-driven Dynamic Nuclear Polarization (DNP) under high radiation conditions. We present the design, operation, and automation of a 140 GHz microwave system based on an extended interaction oscillator (EIO), integrated with real-time polarization feedback from a continuous-wave NMR system and cryogenic diagnostics. The system enables fine frequency control through motorized cavity tuning and is operated remotely to mitigate radiation exposure. To continuously optimize target polarization, we develop an automation framework supported by a Monte Carlo (digital twin) of the DNP process. The simulation incorporates rate-equation dynamics, frequency-dependent steady-state behavior, dose-induced frequency drift, beam-induced depolarization, and realistic NMR noise. This framework is used to design and benchmark control strategies, including a heuristic feedback algorithm, reinforcement learning (RL), and unsupervised RL approaches. These methods enable autonomous frequency tuning, improve ramp-up efficiency, and maintain near-optimal polarization under evolving conditions. We also demonstrate integration of EIO power-supply control into the feedback loop via anode voltage modulation, providing an additional degree of freedom for simultaneous control of microwave frequency and RF power. This combined control of cavity tuning and anode voltage allows the system to avoid frequency-dependent power nonuniformities and to better match broad Larmor distributions in irradiated targets. The results establish a scalable framework for AI-driven control of complex microwave systems in polarized-target experiments, with implications for future spin-physics measurements and other cryogenic, high-field applications.
El blanco de amoníaco se enfría a aproximadamente 1 kelvin, más frío que la superficie de Plutón.
En la serie "The Expanse", las naves usan campos magnéticos para protegerse de la radiación; aquí, el blanco polarizado también alinea partículas, pero para mediciones científicas.