[發(fā)明專利]一種用于介質激光加速的深度學習架構

有效

• 申請?zhí)枺?/td>: 202110499256.1
• 申請日: 2021-05-08
• 公開（公告）號: CN113205179B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 宋子豪;張艾霖
• 申請（專利權）人: 湖南太觀科技有限公司
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/0455;G06N3/08;G06F30/27;G16C60/00;G06F111/06;G06F111/10
• 代理公司: 長沙智德知識產權代理事務所(普通合伙) 43207
• 代理人: 陳銘浩

本發(fā)明公開了一種用于介質激光加速的深度學習架構，涉及核技術系統(tǒng)技術領域，包括以下步驟：步驟一、驗設計確定配置參數，包括結構尺寸、分辨率、邊界條件、目標函數等，初始化變量，包括光源、電介質材料等，其中物性參數由以往實驗獲得。基于超材料結構的介質激光加速利用光學超材料調控光的電場分布實現粒子加速的目的，形態(tài)復雜，如何找到加速器所需的結構就是本項目的研究重點，近些年來隨著人工智能在超材料領域的發(fā)展可以解決上述問題，通過AI搜索更廣闊的材料和設計空間，利用深度學習設計超材料結構，利用深度學習尋找最優(yōu)方案，支持大型器件設計，支持任何光源布局，支持任何離子類型，基于工藝約束尋找受限最優(yōu)方案。

技術領域

本發(fā)明涉及核技術領域，具體為一種用于介質激光加速的深度學習架構。

背景技術

介質激光加速的基本原理是利用激光在周期性電介質結構中產生的近場對帶電粒子進行加速，現有的解決方案包括光柵結構、光子晶體等，目前在介質激光加速器領域的主要方法是通過反復試驗找到合適的結構，這種努力既費時又無效率，而且人工設計的結構對于粒子加速過于簡單，難以實現理想的調制效果，超材料可以對光波/微波進行任意操作，實現特定功能，通過設計合適超材料結構，我們能對DLA實現更好的調制效果，滿足加速粒子的需求，我們提出一種深度學習架構為介質激光加速設計最優(yōu)的智能超材料。

發(fā)明內容

本發(fā)明提供的發(fā)明目的在于提供一種用于介質激光加速的深度學習架構，解決上述背景技術中的問題。

為實現以上目的，本發(fā)明通過以下技術方案予以實現：一種用于介質激光加速的深度學習架構，包括以下步驟：

步驟一、驗設計確定配置參數，包括結構尺寸、分辨率、邊界條件、目標函數等，初始化變量，包括光源、電介質材料等，其中物性參數由以往實驗獲得；

步驟二、通過FDFD/FDTD數值模擬方法，生成電介質結構的電磁性能數據；

步驟三、用該數據訓練深度生成模型，其中解碼器的輸入為光源產生的初始電場分布，輸出為加速器結構，編碼器的輸入是加速器結構，輸出是目標參數，目標電場分布、能量譜等目標性能參數，深度學習的目標函數是DLA設計目標，離子通道內的加速梯度。

進一步的，根據步驟三中的操作步驟，所述解碼器由多個反卷積層構成，生成加速器結構圖形。

進一步的，根據步驟三中的操作步驟，所述判別器由深度神經動力學和卷積編碼器構成。

進一步的，根據步驟三中的操作步驟，所述卷積編碼器用于提取加速器結構幾何特征，得到深度神經動力學負責預測其物理性質。

進一步的，根據步驟三中的操作步驟，所述卷基層和反卷基層利用群論等變卷積神經網絡提取和生成幾何特征。

進一步的，根據步驟一中的操作步驟，所述介質激光加速依靠電介質結構中的周期性來調制電場分布，這種周期性對應群論中的對稱性，計算上的實現方式包括表示論中的纏結算子、特征標表，進而實現幾何上的等變操作。

進一步的，根據步驟三中的操作步驟，所述構建由解碼器和判別器組成的深度生成模型，所述解碼器根據初始電場分布生成加速器結構圖形，所述判別器判定其好壞。

進一步的，根據步驟一中的操作步驟，所述光源為激光，且激光在超材料結構中的振蕩導致電場的相位變化，如果針對相對論的電子束，其結構和激光的入射可以一直保持不變，電子束加速過程的模擬和計算包括加速梯度、加速效率、空間電荷效應(束團極小，高速電子空間電荷效應依然無法忽略)、束-束作用、束團通過介質帶來的尾場效應以及聚焦效應等。

進一步的，根據步驟二中的操作步驟，所述FDFD算法進行模擬計算，訓練過程中我們只考慮低階模的作用。

進一步的，根據步驟二中的操作步驟，所述FDTD算法進行全局模擬，考慮高階模和電子束的影響。