تشخيص افتراضي متعدد المنشآت لتنبؤات فضاء الطور الطولي

إلقاء نظرة داخل حزم الجسيمات دون إتلافها

تعتمد ليزرات الإلكترون الحرّة ومصادر الأشعة السينية القوية الأخرى على حزم إلكترونات مصممة بعناية تسير بسرعة تقارب سرعة الضوء. عادةً ما يتطلب ضبط هذه الحزم أدوات تشخيص تقاطع الحزمة أو تدمرها، مما يجعل من المستحيل قياسها أثناء سير التجارب. تستكشف هذه الورقة كيف يمكن للتعلّم الآلي أن يعمل كـ "أداة افتراضية"، تمكن المشغلين من مشاهدة البنية الداخلية لحزم الإلكترونات في الوقت الفعلي دون إخراج الأجهزة من الخدمة.

لماذا يهم شكل الحزمة للأشعة السينية الساطعة

في مسرّع خطي حديث، لا تكون الإلكترونات مرتبة في طابور بسيط. كل حزمة لها بنية داخلية غنية: موقع الإلكترونات زمنياً داخل الحزمة وكيف تتغير طاقاتهم. يُطلق على ذلك معًا اسم فضاء الطور الطولي، وهو الذي يحدد إلى حد كبير مدى سطوع واستقرار نبضة الأشعة السينية. الأداة المعيارية لرسم هذه البنية هي البنية العازلة العرضية—تجويف ذو تردّد راديوي خاص مع مغناطيس وشاشة ينشرون الحزمة إلى صورة ثنائية الأبعاد. تكشف تلك الصورة كميات أساسية مثل طول الحزمة وتشتت الطاقة، لكن الثمن عالٍ: تُحوَّل الحزمة إلى الشاشة ولا يمكن استخدامها للتجارب، والنظام معقّد ويستغرق وقتًا للتشغيل.

تعليم أداة افتراضية لرؤية الحزمة

يقترح المؤلفون نهجًا مختلفًا: استخدام التعلّم الآلي لتدريب تشخيص افتراضي يمكنه التنبؤ بما كانت ستعرضه الأداة المدمر، اعتمادًا فقط على قياسات غير غازية تؤخذ طوال الوقت. تشمل هذه قراءات من مراقبات موضع الحزمة، مراقبات وقت وصول الحزمة، محولات التيار، وإعدادات التردّدات الراديوية التي تشكّل الحزمة. عبر تغذية العديد من الأمثلة المزدوجة—صور فضاء الطور الحقيقية من البنى العازلة العرضية مع قراءاتها غير المدمرة المقابلة—إلى الشبكات العصبية الاصطناعية، يتعلّم النظام الرابط بين الإشارات السهلة القياس والبنية الداخلية الخفيّة للحزمة. بمجرد تدريبها، تستطيع الشبكة استنتاج صورة فضاء الطور الطولي الكاملة فورًا دون ملامسة الحزمة.

اختبار الفكرة في ثلاث منشآت مختلفة

لاختبار ما إذا كانت وصفة عامة واحدة ستعمل على نطاق واسع، طبّق الفريق نفس تصميم الشبكة واستراتيجية التدريب على ثلاث منشآت مختلفة جدًا: المسرّع الخطي MAX IV في السويد وليزرا FERMI وSwissFEL في إيطاليا وسويسرا. لكل آلة تخطيطها الخاص، وطاقات الحزمة، وخطط الضغط، وإعدادات البنى العازلة العرضية الخاصة بها. قام الباحثون بتغيير إعدادات الآلة التي تُستخدم عادةً لضبط شكل الحزمة—مثل مراحل التردّدات الراديوية، حالات ضاغط النبضة، وشدّة مُسخّن الليزر—وسجّلوا آلاف الصور المدمرة مع الإشارات غير المدمرة المصاحبة. باستخدام هذه المجموعات من البيانات، درّبوا شبكات تأخذ القراءات غير المدمرة وتنتج صورة كاملة ثنائية الأبعاد لفضاء الطور.

التنبؤ بالصور الكاملة والأرقام الأساسية

أدّت التشخيصات الافتراضية أداءً ملحوظًا على امتداد خطوط الحزمة الأربعة المدروسة (MAX IV، FERMI، وفرعا SwissFEL أثوس وآراميس). عندما قِيِّمَت بجانب مدى تطابق الصور المتوقعة والمقاسة، تجاوزت الدرجات عادة 90 بالمئة، وفي كثير من الحالات اقتربت من 95 بالمئة أو أكثر. حتى أن الشبكات أعادت تفاصيل دقيقة، مثل ذيول رفيعة وبُنى داخلية فرعية في توزيع الحزمة. كما بنى المؤلفون شبكات أبسط تتخطّى الصورة الكاملة وتنبؤ ببضع أرقام حيوية مستخرجة منها—مثل طول الحزمة، وإجمالي تشتت الطاقة، و"التدرج" الطاقي الذي يصف كيف تتغير الطاقة على طول الحزمة. تدربت هذه النماذج المدمجة أسرع، واستخدمت عددًا أقل بكثير من المعاملات، وما زالت حققت أخطاء صغيرة تكافئ أو تتجاوز دقة التشخيص الفيزيائي في التطبيق العملي.

ما مدى استقرار هذه التنبؤات مع مرور الوقت؟

المسرّعات الحقيقية تتغير تدريجيًا: تغييرات صغيرة في مراحل التردّدات الراديوية، معايرات المغناطيس، أو أجهزة التشخيص يمكن أن تُحوّل تدريجيًا العلاقة بين المدخلات وبنية الحزمة. لاختبار المتانة، درّب الفريق تشخيصًا افتراضيًا في MAX IV باستخدام بيانات من يوم واحد، ثم طبّقه على مدى الأيام الأربعة التالية دون إعادة تدريب. ومع تحرّك الآلة بعيدًا عن الظروف الأصلية، انخفضت جودة التنبؤ تدريجيًا، وبحلول اليوم الخامس لم تعد بعض المخرجات تشبه فضاء الطور المقاس. ومع ذلك بقي النظام دقيقًا بشكل معقول لعدة أيام، حتى خلال فترة كان المشغلون خلالها يغيرون الإعدادات عمدًا للدراسات بدل الحفاظ على وضع ثابت للتشغيل. يشير هذا إلى أنه، مع إعادة تدريب دورية أو إشارات مدخلات أغنى، يمكن الحفاظ على موثوقية التشخيصات الافتراضية خلال تشغيل ممتد.

طريقة جديدة لمراقبة الحزم في الوقت الحقيقي

بالنسبة للقارئ العام، الخلاصة أن المؤلفين أظهروا أن التعلّم الآلي يمكنه فعليًا "استنساخ" أداة معقّدة ومدمّرة للحزمة في عدة منشآت كبيرة، باستخدام إطار عمل مشترك يتكيّف عبر آلات مختلفة جدًا. بعد التدريب، يعمل التشخيص الافتراضي خلال أجزاء من المللي ثانية، أسرع بكثير وأرخص من المحاكيات الحاسوبية التفصيلية ودون مقاطعة التجارب. يمكنه كشف البنية الزمنية-الطاقية الداخلية لحزم الإلكترونات ومعايير ملخصة أساسية فورًا، ما يفتح الباب أمام تحسينات أذكى وأنظمة ردّ فعل. على المدى البعيد، يمكن توسيع الاستراتيجية نفسها لتشمل تشخيصات أخرى، ومشاركتها بين المنشآت عبر التعلّم النقلي، ودمجها مع طرق اختيار بيانات متقدمة لتحسين الأداء أكثر. في جوهرها، تشير هذه العمل إلى مسرّعات تكون واعية باستمرار لبنيتها الداخلية للحزمة دون أن تضطر للتوقف عن خدمة التجارب التي تخدمها.

الاستشهاد: Lundquist, J., Björklund Svensson, J., Dijkstal, P. et al. Multi-facility virtual diagnostic for longitudinal phase space predictions. Sci Rep 16, 12021 (2026). https://doi.org/10.1038/s41598-026-47195-1

الكلمات المفتاحية: التشخيص الافتراضي, مسرّعات الجسيمات, التعلّم الآلي, ليزرات الإلكترون الحرّة, مراقبة الحزمة