过梁

机器学习算法的实验应用以通过梁轨迹调节在达利安连贯的光源

自由电子激光器（FEL）设施的激光优化是一项耗时且具有挑战性的任务。不是由经验丰富的运营商手动操作，而是实施机器学习算法为FEL激光优化提供了快速且适应性的方法。最近，在真空紫外线设施-Dalian Cooherent Light Source（DCLS）上进行了这样的实验。已采用了四种算法，即标准和基于神经网络的遗传算法，深层确定性的策略梯度和软演员评论家加强学习算法，通过优化电子束轨迹来增强FEL强度。这些算法在增强FEL激光方面表现出显着的功效，尤其是仅在大约400次迭代范围内实现了收敛的增强学习。这项研究证明了机器学习算法用于FEL激光优化的有效性，从而提供了关于DCL自动操作的前瞻性观点。