Surrogate Models studies for laser-plasma accelerator electron source design through numerical optimisation
Études et optimisation numérique par des modèles de substitution pour la conception de sources d'électrons d'accélérateurs laser-plasma
Résumé
The optimisation of the plasma target design for high quality beam laser-driven plasma injector electron source relies on numerical parametric studies using Particle in Cell (PIC) codes. The common input parameters to explore are laser characteristics and plasma density profiles extracted from computational fluid dynamic studies compatible with experimental measurements of target plasma density profiles. We demonstrate the construction of surrogate models using machine learning technique for a laser-plasma injector (LPI) electron source based on more than 12000 simulations of a laser wakefield acceleration performed for sparsely spaced input parameters [1]. Surrogate models are very interesting for LPI design and optimisation because they are much faster than PIC simulations. We develop and compare the performance of three surrogate models, namely, Gaussian processes (GP), multilayer perceptron (MLP), and decision trees (DT). We then use the best surrogate model to quickly find optimal working points to get a selected electron beam energy, charge and energy spread using different methods, namely random search, Bayesian optimisation and multi-objective Bayesian optimisation
L'optimisation de la conception de la cible de plasma pour une source d'électrons d’un injecteur laser-plasma de haute qualité de faisceau repose sur des études paramétriques numériques utilisant des codes PIC (Particle in Cell).
Les paramètres d'entrée communs à explorer sont les caractéristiques du laser et les profils de densité du plasma extraits d'études numeriques de dynamique des fluides compatibles avec les mesures expérimentales des profils de densité de la cible plasma. Nous démontrons la construction de modèles de substitution à l'aide d'une technique d'apprentissage automatique pour un injecteur laser-plasma (LPI) basée sur plus de 12000 de simulations d'accélération d'un champ de sillage laser effectuées pour des paramètres d'entrée peu espacés.
Les modèles de substitution sont très intéressants pour la conception et l'optimisation des LPI car ils sont beaucoup plus rapides que les simulations PIC. Nous développons et comparons les performances de trois modèles de substitution, à savoir les processus gaussiens (GP), le perceptron multicouche (MLP) et les arbres de décision (DT). Nous utilisons ensuite le meilleur modèle de substitution pour trouver rapidement les points de travail optimaux afin d'obtenir une énergie de faisceau d'électrons, une charge et une répartition d'énergie recherchées à l'aide de différentes méthodes, à savoir la recherche aléatoire, l'optimisation bayésienne et l'optimisation bayésienne multi-objectifs.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| licence |
