Цифровой двойник учит лазер видеть экспресс
Лазер бьёт по крошечной стеклянной решётке, и электроны, пролетая сквозь неё, разгоняются. Заглянуть внутрь невозможно, поэтому о происходящем судят по энергии электронов после ускорения — как по брызгам от камня судят о его форме.
Учёные построили цифрового двойника: компьютерную модель, которая повторяет поведение настоящего ускорителя. Через неё пропустили тысячи вариантов лазерных импульсов и получили тысячи энергетических спектров. Затем нейросеть научилась обратному — по спектру определять, каким был импульс.
Теперь один снимок энергии электронов позволяет узнать наклон фронта лазерного импульса с точностью до градуса, а сдвиг фазы — до 0.36 радиана (это разница в 0.4 фемтосекунды во времени прибытия). Нейросеть справляется за миллисекунды, успевая обрабатывать 50 импульсов в секунду. Так ускоритель становится собственным датчиком, который видит то, что скрыто от прямых измерений.
Лазерный импульс можно сравнить с бегущей волной на стадионе: зрители встают и садятся, передавая волну. Наклон фронта — как если бы волна шла не ровно, а наискосок. Фаза — это момент, когда электрон встречает гребень волны. Оба параметра критичны для ускорения, и теперь их можно контролировать в реальном времени.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2603.28549
We present the development of a digital twin-based reconstruction framework for dielectric laser acceleration (DLA) based on machine-learning-assisted inversion of single-shot electron energy spectra. DLA as a promising candidate for compact electron accelerator designs using optical nearfields in dielectric nanostructures lacks on direct diagnostics on the laser-electron interaction. Thus, the outgoing electron energy distribution is one of the few experimentally accessible observables. To exploit this information, DLA interaction and mapping on the downstream spectrometer are treated as nonlinear measurement device whose response is described by the symplectic sixdimensional tracking code DLAtrack6D. This forward simulation model serves as a digital twin mapping laser-electron interaction parameters onto resulting energy spectra. For diagnostics, we are interested in the inverse mapping represented by a neural network trained by synthetic datasets generated with the forward simulation model. The reconstruction performance and parameter identifiability of the inverse model are evaluated for parameter ranges relevant to planned experiments at the ARES linac in the SINBAD facility at DESY. Simulation studies demonstrate that the method can recover pulse front tilt angles with an accuracy of about 1 deg and phase offsets with an RMSE of about 0.36 rad corresponding to a difference of 0.4 fs in arrival time. Training with noisy spectra further improves robustness against spectrometer noise. The trained surrogate model evaluates in the millisecond range, enabling shot-to-shot parameter estimation compatible with the 50 Hz repetition rate of ARES. The approach effectively transforms the DLA interaction region into a virtual in situ diagnostics for otherwise inaccessible laser parameters during experiment and provides a foundation for real-time monitoring and control of future DLA experiments.
Диэлектрические лазерные ускорители обещают быть в тысячи раз компактнее традиционных: вместо километровых туннелей — чип размером с ладонь. Но пока они разгоняют электроны лишь до долей энергии больших машин.
В сериале «Экспансия» корабли разгоняются с помощью гигантских ускорителей, но будущее может быть за крошечными чипами, которые управляют светом так же точно, как нейросеть из этой работы.