基于深度學(xué)習(xí)的鉆孔輻射壓離子加速建模*

張普渡 王偉權(quán)? 李哲民 張資旋 王葉晨 周泓宇 銀燕?

1) (國(guó)防科技大學(xué)理學(xué)院物理系,長(zhǎng)沙 410073)

2) (國(guó)防科技大學(xué)理學(xué)院數(shù)學(xué)系,長(zhǎng)沙 410073)

超短超強(qiáng)激光脈沖與固體靶相互作用可通過鉆孔輻射壓加速機(jī)制產(chǎn)生百M(fèi)eV 量級(jí)的離子束,離子束的品質(zhì)強(qiáng)烈依賴于激光和靶的作用參量.本文以近400 組激光驅(qū)動(dòng)固體靶的粒子模擬結(jié)果作為數(shù)據(jù)集,以激光強(qiáng)度、靶密度、靶厚和離子質(zhì)量作為輸入?yún)⒘?基于全連接神經(jīng)網(wǎng)絡(luò)建立了一個(gè)離子峰值能量和截止能量連續(xù)映射模型.該模型用較為稀疏的參量取值獲得了較大參量范圍內(nèi)的分析結(jié)果,大大減少了多維參量大范圍掃參的計(jì)算量.基于連續(xù)映射模型的結(jié)果,得到了鉆孔輻射壓加速機(jī)制下離子峰值能量的修正公式和截止能量的擬合公式,可為激光離子加速的實(shí)驗(yàn)設(shè)計(jì)提供重要參考.

1 引言

隨著超短超強(qiáng)激光脈沖與等離子體相互作用研究的不斷深入,基于超強(qiáng)激光驅(qū)動(dòng)的離子加速逐漸成為激光等離子體領(lǐng)域的重要研究方向,在離子束驅(qū)動(dòng)快點(diǎn)火[1,2]、束靶中子源[3,4]、溫稠密物質(zhì)加熱[5-7]、質(zhì)子照相[8,9]等領(lǐng)域得到了廣泛研究與應(yīng)用.常見的激光驅(qū)動(dòng)的離子加速機(jī)制包含輻射壓加速(radiation pressure acceleration,RPA)[10,11]、靶背法向鞘層加速(target normal sheath acceleration,TNSA)[12,13]、靶破燒蝕加速[14,15]、無碰撞激波加速[16,17]等.其中,RPA 機(jī)制由于其能量轉(zhuǎn)化效率高、離子束單能性好以及可加速重離子等特點(diǎn),在實(shí)驗(yàn)上備受關(guān)注.根據(jù)固體靶厚度的不同,RPA機(jī)制可分為薄靶條件下的光帆加速(light-sail RPA,LS-RPA)[18,19]和厚靶條件下的鉆孔加速(hole-boring RPA,HB-RPA)[20,21].在LS-RPA 機(jī)制下,離子與電子將被壓縮為“等離子體飛鏡(plasma mirror)”結(jié)構(gòu)被激光脈沖整體推動(dòng)加速,但這種機(jī)制對(duì)激光脈沖對(duì)比度要求較高,且靶厚度和激光脈沖強(qiáng)度之間有嚴(yán)格的匹配關(guān)系[18,19,22].而對(duì)于HB-RPA 機(jī)制,激光和靶的參數(shù)要求相對(duì)寬松,更容易在實(shí)驗(yàn)中實(shí)現(xiàn)[23],且可在較高激光強(qiáng)度下對(duì)重離子實(shí)現(xiàn)有效加速[24].

在基于HB-RPA 機(jī)制的數(shù)值模擬和實(shí)驗(yàn)設(shè)計(jì)中,分析研究對(duì)象與參量的關(guān)聯(lián)時(shí)需進(jìn)行參數(shù)掃描.然而,激光和靶參數(shù)的選取范圍較為寬泛,通過開展大量實(shí)驗(yàn)或數(shù)值模擬進(jìn)行線性掃參的代價(jià)過于高昂.同時(shí),不同掃描參量與目標(biāo)參量間可能存在一定映射關(guān)聯(lián),而通過線性掃參只能得到有限的孤立數(shù)據(jù)點(diǎn),基于有限的數(shù)據(jù)建立較為可靠的連續(xù)映射關(guān)系存在較大困難.因此,有必要尋找新的研究參量映射規(guī)律的手段.近幾年內(nèi),依賴于數(shù)據(jù)學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法[25,26]被逐漸應(yīng)用在科研領(lǐng)域,例如托卡馬克裝置中磁場(chǎng)的控制優(yōu)化[27]、慣性約束聚變實(shí)驗(yàn)結(jié)果對(duì)實(shí)驗(yàn)參數(shù)的敏感度研究[28]、電子加速能譜的自動(dòng)識(shí)別與分類[29]、高輻射環(huán)境下測(cè)得的電子能譜圖的去噪分析[30]、預(yù)測(cè)粒子加速器內(nèi)粒子束縱向相空間演化趨勢(shì)[31]等.在眾多類型的神經(jīng)網(wǎng)絡(luò)算法中,卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)主要面向二維矩陣數(shù)據(jù)的處理,在圖像處理和識(shí)別等領(lǐng)域應(yīng)用廣泛[30].自組織映射神經(jīng)網(wǎng)絡(luò)(self-organizing map,SOM)的訓(xùn)練過程為無監(jiān)督的競(jìng)爭(zhēng)學(xué)習(xí),適用于高維數(shù)據(jù)的聚類分析[29].全連接構(gòu)型人工神經(jīng)網(wǎng)絡(luò)(fully connected neural network,FCNN)可以建立起數(shù)個(gè)變量關(guān)于單一映射量的連續(xù)模型,適用于數(shù)據(jù)回歸類問題的建模分析.Djordjevi?等[32]基于FCNN 神經(jīng)網(wǎng)絡(luò)算法對(duì)TNSA 加速機(jī)制的多維參數(shù)進(jìn)行了建模分析,得到離子截止能量的連續(xù)映射模型,并給出TNSA 機(jī)制下離子能量增大速率的連續(xù)映射模型[33].

本文所研究的HB-RPA 機(jī)制下的參數(shù)映射也是一個(gè)數(shù)據(jù)回歸類問題,采用FCNN 神經(jīng)網(wǎng)絡(luò)較為適合.首先將有限的數(shù)值模擬結(jié)果整理為數(shù)據(jù)集輸入FCNN,然后在數(shù)據(jù)迭代的過程中,通過神經(jīng)元權(quán)重的反向傳遞,把目標(biāo)參量關(guān)于輸入?yún)⒘康淖兓卣饔涗浽谏窠?jīng)網(wǎng)絡(luò)中,從而得到連續(xù)映射模型.這一所得模型可較好反映出掃參空間中所有數(shù)據(jù)點(diǎn)的映射結(jié)果,并可在訓(xùn)練范圍外進(jìn)行推廣,進(jìn)而對(duì)更大范圍的結(jié)果進(jìn)行預(yù)測(cè).本文利用FCNN建立了HB-RPA 機(jī)制下離子峰值能量和截止能量關(guān)于激光強(qiáng)度、靶密度、靶厚度和離子質(zhì)量這4 個(gè)輸入?yún)⒘康倪B續(xù)映射模型.根據(jù)該模型與HB-RPA的理論公式及PIC 數(shù)值模擬結(jié)果的對(duì)比結(jié)果,對(duì)離子峰值能量公式進(jìn)行修正,同時(shí)給出離子截止能量的經(jīng)驗(yàn)公式,實(shí)現(xiàn)了對(duì)HB-RPA 機(jī)制下離子峰值能量和截止能量的定量描述.

2 物理模型

當(dāng)激光強(qiáng)度與靶厚度近似滿足a<πdn/(ncλ0)關(guān)系時(shí),HB-RPA 機(jī)制將占主導(dǎo)地位[34],其中,a為歸一化激光強(qiáng)度,與激光強(qiáng)度I0的關(guān)系滿足a=為激光波長(zhǎng),d為靶厚度為等離子體臨界密度,me為電子質(zhì)量,ω為激光頻率,e為電子電荷量.一維(one-dimension,1D)情況下,一束強(qiáng)度恒定為I0的圓極化激光正入射到均勻密度為n的等離子體,光束在等離子體表面被完全反射.由穩(wěn)態(tài)加速離子所滿足的動(dòng)量平衡方程,可以得到實(shí)驗(yàn)室系中相對(duì)論條件下動(dòng)量平衡的穩(wěn)態(tài)離子能量表達(dá)式[20]:

本文通過PIC 程序EPOCH[35]對(duì)HB-RPA 過程進(jìn)行了約400 次1D 數(shù)值模擬.在模擬中改變激光脈沖的歸一化激光強(qiáng)度a,等離子體靶厚度d,等離子體靶密度n和離子質(zhì)量mi,模擬參數(shù)選取范圍均滿足HB-RPA 離子加速機(jī)制要求.由于靶厚度d是決定HB-RPA 加速機(jī)制是否起效的重要參量,將d作為輸入?yún)⒘考尤氲缴窠?jīng)網(wǎng)絡(luò)的訓(xùn)練中,可以更好地保證訓(xùn)練所得模型的可靠性.在1D 數(shù)值模擬中,激光時(shí)間脈沖設(shè)置為梯形包絡(luò),如下式所示:

其中T0為激光周期,I0為激光峰值強(qiáng)度.等離子體為單一離子組分的平面靶,靶離子為完全電離.模擬盒子范圍為 0 ≤x≤90λ0,靶前表面位置處于10λ0處.激光脈沖由左邊界入射.模擬空間分辨率為 ?x=0.01λ0,每個(gè)網(wǎng)格內(nèi)各組分的宏粒子數(shù)目為50 個(gè).

圖1(a)和圖1(c) 分別為He2+離子和C6+離子的x-v相空間圖,其中,v為離子速度.x-v相空間圖展現(xiàn)了HB-RPA 機(jī)制的典型振蕩特征[20,21].在HB-RPA 機(jī)制中,激光推動(dòng)電子形成壓縮層,由此產(chǎn)生的電荷分離場(chǎng)把大量靶內(nèi)離子加速到穩(wěn)態(tài)速度,如紅色虛線框所示.加速電場(chǎng)的峰值位于電子壓縮層的前表面,隨時(shí)間振蕩[20],離子在振蕩電場(chǎng)作用下形成形似魚骨的x-v相空間結(jié)構(gòu).少量滯后的離子被加速電場(chǎng)的上升沿推動(dòng)至峰值電場(chǎng)區(qū)域,進(jìn)而被加速至更高能量,如藍(lán)色虛線框所示.圖1(b)和圖1(d)分別為He2+離子和C6+離子在t=70T0時(shí)刻的能譜圖,此時(shí)離子相空間、離子峰值能量和最大離子能量都已趨于穩(wěn)定.在能譜圖上略去了能量位于能譜中最低0.5%部分的低能離子,呈現(xiàn)清晰的準(zhǔn)單能結(jié)構(gòu).對(duì)于每組數(shù)值模擬,通過診斷離子的x-v相空間分布來確定該組模擬中HB-RPA 加速機(jī)制占主導(dǎo)地位,通過離子能譜圖統(tǒng)計(jì)離子束的峰值能量和截止能量.舍棄掉不符合HB-RPA 加速機(jī)制的數(shù)據(jù)點(diǎn),最終得到400 組數(shù)據(jù)集樣本數(shù)據(jù)點(diǎn).

圖1 在 t=70T0 時(shí)刻,(a) He2+離子的 x-v 相空間分布,(b) He2+離子的能譜分布,(c) C6+離子的 x-v 相空間分布,(d) C6+離子的能譜分布.其中,激光強(qiáng)度 a=100 ,靶密度 n=25nc ,靶厚 d=25λ0 ;紅色虛線框內(nèi)為峰值能量所對(duì)應(yīng)的離子,藍(lán)色虛線框內(nèi)為截止能量所對(duì)應(yīng)的離子Fig.1.At t=70T0 ,(a) the x-v phase space diagram of He2+,(b) the energy spectrum of He2+,(c) the x-v phase space diagram of C6+,(d) the energy spectrum of C6+,with d=25λ0 ,n=25nc and a=100 .The red dashed box circles the ions with peak energy,and the blue dashed box circles the ions with cutoff energy.

3 數(shù)據(jù)準(zhǔn)備和搭建神經(jīng)網(wǎng)絡(luò)

3.1 數(shù)據(jù)集生成

整體數(shù)據(jù)集的采樣采用系統(tǒng)抽樣方式,在一定的參數(shù)范圍內(nèi)均勻間隔取值,通過離子種類將數(shù)據(jù)集劃分為質(zhì)子集、He2+集、C6+集、O8+集和測(cè)試集共5 個(gè)集合.其中,質(zhì)子集合經(jīng)過數(shù)據(jù)篩選后總共記錄了231 次數(shù)值模擬結(jié)果,具體的輸入?yún)?shù)取值為: 靶厚d在 [7.5λ0,35λ0] 范圍內(nèi)間隔 2.5λ0均勻取值,靶密度n在 [12.5nc,40nc] 范圍內(nèi)間隔 2.5nc均勻取值,激光強(qiáng)度分別取值4×1021,6×1021,8×1021,1×1022,2×1022,3×1022W/cm2.He2+離子集合包含49 次數(shù)值模擬的結(jié)果,C6+離子與O8+離子分別包含50 次數(shù)值模擬的結(jié)果,3 種離子的靶厚d取值為 15λ0和 25λ0,靶密度n在 [10nc,30nc] 范圍內(nèi)間隔 5nc均勻取值,激光強(qiáng)度取值為6×1021,8×1021,1×1022,2×1022,3×1022W/cm2.最后一個(gè)集合為獨(dú)立于其他數(shù)據(jù)的測(cè)試集,離子種類包括D+,T+,He2+,B4+,C6+,F9+,Mg12+和Al13+離子,在每組數(shù)值模擬中,模擬參數(shù)d,n和a均獨(dú)立取值,共20 個(gè)數(shù)據(jù)點(diǎn).記錄每組模擬結(jié)果的離子峰值能量Ep與截止能量Em作為訓(xùn)練參量,具體取值分布如表1 所列.圖2(a)–(d)更直觀地給出了4 種離子的參數(shù)取值分布,并用散點(diǎn)顏色標(biāo)注了該數(shù)據(jù)點(diǎn)所對(duì)應(yīng)的離子峰值能量.為控制輸入?yún)⒘康臄?shù)量級(jí)相近,靶厚參數(shù)d以λ0歸一化,靶密度參數(shù)n以臨界密度nc歸一化,激光強(qiáng)度以歸一化激光強(qiáng)度a輸入,離子質(zhì)量以原子質(zhì)量數(shù)A輸入.

表1 數(shù)值模擬數(shù)據(jù)集參數(shù)取值分布Table 1. Simulation datasets prepared for neural network training.

圖2 離子峰值能量隨輸入?yún)?shù) d ,n 和 a 分布的三維散點(diǎn)圖 (a) 質(zhì)子;(b) He2+ 離子;(c) C6+ 離子;(d) O8+離子Fig.2.Scatter plot depiction of ion peak energy data ensembles as a function of input parameters d,n and a: (a) Proton case;(b) He2+,(c) C6+;(d) O8+.

3.2 神經(jīng)網(wǎng)絡(luò)搭建

本文基于Pytorch 中的nn 模塊來搭建深度神經(jīng)網(wǎng)絡(luò),所采用的網(wǎng)絡(luò)類型為FCNN,通過測(cè)試與對(duì)比訓(xùn)練結(jié)果對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與超參數(shù)的選取進(jìn)行調(diào)整,最終確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示.經(jīng)過篩選和后處理的樣本數(shù)據(jù)被輸入到輸入層,4 個(gè)神經(jīng)元分別對(duì)應(yīng)輸入?yún)?shù)d,n,a,A.經(jīng)過6 個(gè)隱藏層后,結(jié)果收斂至輸出層的單一輸出量.Ep與Em采用相同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).

圖3 訓(xùn)練所使用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3.Neural network architecture used in the following training.

神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)的選取與所得到代理模型(surrogates ensemble,SE)[36]的泛化能力密切相關(guān).我們所使用的神經(jīng)網(wǎng)絡(luò)采用均方方差損失(mean square error,MSE)函數(shù),采用nn 模塊默認(rèn)的L2正則化,其中L2=2×10-5.神經(jīng)元激活函數(shù)選取為Sigmoid 與PReLU,這兩種激活函數(shù)皆為單調(diào)函數(shù),模型映射曲線在有限的預(yù)測(cè)范圍內(nèi)保持緩慢平滑變化,這一特征與HB-RPA 理論公式相契合.訓(xùn)練結(jié)果表明,我們所確定的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可使模型收斂至接近理論預(yù)測(cè)結(jié)果,同時(shí)保持了較好的平滑程度和泛化性,這使得分析參量的訓(xùn)練和預(yù)測(cè)結(jié)果都具有一定的可靠性.

3.3 訓(xùn)練與測(cè)試

針對(duì)模擬數(shù)據(jù)所展開的訓(xùn)練類型均為監(jiān)督學(xué)習(xí),在給定輸入數(shù)據(jù)上訓(xùn)練神經(jīng)網(wǎng)絡(luò),訓(xùn)練過程中優(yōu)化器選擇基于隨機(jī)梯度下降的Adam 優(yōu)化器,損失函數(shù)選擇MSE.本文將數(shù)據(jù)集劃分為380 組數(shù)據(jù)的訓(xùn)練集和20 組數(shù)據(jù)的測(cè)試集,訓(xùn)練集與測(cè)試集皆為固定.訓(xùn)練數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)上迭代次數(shù)固定為8000 次,學(xué)習(xí)率固定為1×10-4,損失函數(shù)誤差下降至1×10-4時(shí),模型趨于收斂,且平滑程度與擬合程度良好.

4 研究結(jié)果

4.1 神經(jīng)網(wǎng)絡(luò)集合

在初始化權(quán)值的訓(xùn)練條件下,每次的訓(xùn)練結(jié)果會(huì)略有不同.由于本文所使用的參數(shù)空間相對(duì)稀疏,每次訓(xùn)練所得模型的差異將會(huì)更加明顯.為此,本文對(duì)10 個(gè)神經(jīng)網(wǎng)絡(luò)同時(shí)進(jìn)行訓(xùn)練,得到一個(gè)神經(jīng)網(wǎng)絡(luò)集合,并根據(jù)模型收斂時(shí)的損失函數(shù)取值對(duì)訓(xùn)練結(jié)果做加權(quán)平均,從而生成訓(xùn)練結(jié)果的代理模型.取每個(gè)模型最后2000 次迭代的損失函數(shù)均值的倒數(shù)作為該模型的權(quán)值,對(duì)所有神經(jīng)網(wǎng)絡(luò)模型加權(quán)平均,由模型權(quán)值進(jìn)行歸一化,即可得到

式中,代理模型SE 是所有訓(xùn)練模型Si的均值;wi為每個(gè)訓(xùn)練模型的權(quán)值,為最后2000 次迭代損失函數(shù)均值的倒數(shù);x為輸入?yún)?shù)的取值;N=10 表示神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練個(gè)數(shù).為了衡量代理模型在一定取值范圍內(nèi)的可變性,定義了標(biāo)準(zhǔn)差σ:

4.2 代理模型映射

利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果和加權(quán)所得的代理模型,在一定范圍內(nèi)的參數(shù)空間上對(duì)輸入?yún)?shù)進(jìn)行連續(xù)掃參,可得到目標(biāo)參量關(guān)于不同輸入?yún)?shù)的映射關(guān)系,并與測(cè)試集數(shù)據(jù)點(diǎn)進(jìn)行比照.

圖4 為根據(jù)神經(jīng)網(wǎng)絡(luò)代理模型所繪出的離子峰值能量與截止能量關(guān)于靶密度n和激光強(qiáng)度a的二維連續(xù)映射圖.從圖4(a) 可看出,當(dāng)激光強(qiáng)度一定時(shí),峰值能量Ep隨靶密度的增大而減小;當(dāng)靶密度固定時(shí),峰值能量Ep隨激光強(qiáng)度的增大而增大.當(dāng)激光強(qiáng)度與靶密度滿足保持不變時(shí),離子峰值能量接近為定值,峰值能量Ep映射結(jié)果與(1)式理論結(jié)果符合很好.同時(shí),圖4(b)給出的截止能量Em隨靶密度增大而減小,隨激光強(qiáng)度增大而增大,與峰值能量Ep呈現(xiàn)出一致的映射規(guī)律.

圖4 He2+離子 (a) 峰值能量 Ep 與 (b) 截止能量 Em 的二維連續(xù)映射圖,其中靶厚 d=15λ0 ,參數(shù)映射范圍為63.2 ≤a ≤173.2和10nc ≤n ≤40ncFig.4.Two-dimensional continuous mapping of peak energy Ep (a) and cutoff energy Em (b) for He2+ over 63.2 ≤a ≤173.2 and 10nc ≤n ≤40nc with d=15λ0 .

圖5 為離子峰值能量代理模型關(guān)于單個(gè)輸入?yún)⒘康挠成淝€和峰值能量理論曲線(由(1)式給出)的比照結(jié)果.圖5(a) 給出了He2+離子峰值能量隨靶密度n變化的連續(xù)映射曲線,訓(xùn)練參數(shù)取值范圍為 10nc≤n≤30nc,預(yù)測(cè)參數(shù)取值范圍為30nc≤n≤50nc.由圖5(a) 所示,訓(xùn)練參數(shù)取值范圍內(nèi),代理模型與理論曲線和測(cè)試集數(shù)據(jù)吻合程度相當(dāng)好;在預(yù)測(cè)參數(shù)取值范圍內(nèi),模型映射值與測(cè)試集數(shù)據(jù)偏差小于10%,模型的可靠性可以得到保證.而當(dāng)n>50nc時(shí),模型映射值與理論值相差超過10%,模型的可靠性不好,所以這里沒有給出映射結(jié)果.若增大訓(xùn)練參數(shù)取值范圍,則可在更大范圍內(nèi)保證模型預(yù)測(cè)的可靠性.

圖5 (a) He2+離子 峰值 能量 Ep 關(guān)于靶密度 n 的映 射曲線,其中靶厚 d=15λ0 ,激光強(qiáng)度 a=100 ;(b) He2+離 子峰 值能量Ep關(guān)于激光強(qiáng)度 a 的映射曲線,其中靶厚 d=15λ0 ,靶 密度 n=20nc ;(c) He2+離子峰值 能量 Ep 關(guān)于 靶厚 d 的映射曲 線,其中 靶密度 n=20nc ,激光強(qiáng)度 a=100 ;(d)離子峰值 能量 Ep 關(guān)于離子質(zhì)量數(shù) A 的映 射曲 線,其中靶厚 d=15λ0 ,靶密度 n=20nc,激光強(qiáng)度 a=100 .圖中紅色實(shí)線為代理模型的映射曲線,模型標(biāo)準(zhǔn)差用紅色色塊填充于代理模型曲線兩側(cè).藍(lán)色虛線給出的是根據(jù)HB-RPA 機(jī)制理論公式所繪出的離子峰值能量隨離子密度變化的曲線,黑色實(shí)心數(shù)據(jù)點(diǎn)為測(cè)試集數(shù)據(jù)點(diǎn),參數(shù)取值范圍與模型預(yù)測(cè)范圍用黑色虛線分隔Fig.5.(a) Parameter scan of He2+ peak energy Ep over target density n with d=15λ0 ,a=100 ;(b) parameter scan of He2+peak energy Ep over laser intensity a with d=15λ0 ,n=20nc ;(c) parameter scan of He2+ peak energy Ep over target thickness d with a=100 ,n=20nc ;(d) parameter scan of ion peak energy Ep over ion mass number A with a=100 ,n=20nc and d=15λ0 .The SE mapping curves are drawn with red solid,the theoretical curves are drawn with dashed,the red filled region indicates the standard deviation,and the untrained data from test subset are drawn with black dot.

圖5(b)給出了He2+離子峰值能量與激光強(qiáng)度a的模型連續(xù)映射曲線.激光強(qiáng)度的訓(xùn)練參數(shù)取值范圍為 77.5

4.3 離子的峰值能量和截止能量

4.3.1 峰值能量修正

圖5(d) 展現(xiàn)出映射曲線與理論曲線存在偏差,離子峰值能量在質(zhì)量較低時(shí)略高于理論值,而在質(zhì)量較高時(shí)略低于理論值,模型曲線與理論曲線于離子質(zhì)量數(shù)A=5 附近相交.對(duì)比了更大范圍的數(shù)值模擬結(jié)果與理論值,發(fā)現(xiàn)這一偏差仍然存在.結(jié)合代理模型所給出的模型和測(cè)試集所得模擬數(shù)據(jù),對(duì)原理論公式進(jìn)行修正,修正后的公式可描述離子質(zhì)量對(duì)離子峰值能量的影響:

式中,A為離子質(zhì)量數(shù).經(jīng)過修正的模型曲線與測(cè)試集數(shù)據(jù)點(diǎn)對(duì)比如圖6 所示.

圖6 在 d=15λ0 ,n=20nc 和 a=100 下,離子峰值 能量隨離子質(zhì)量的變化Fig.6.Ion peak energy scan with ion mass number A with d=15λ0,n=20nc and a=100 .

如圖6 所示,當(dāng)質(zhì)量數(shù)A>5 時(shí),數(shù)值模擬結(jié)果與理論曲線開始出現(xiàn)偏移.當(dāng)質(zhì)量數(shù)A>10 時(shí),模擬結(jié)果與理論結(jié)果差異逐漸增大,誤差率接近10%左右.當(dāng)采用基于離子質(zhì)量數(shù)的修正公式時(shí),理論結(jié)果與數(shù)值模擬結(jié)果及模型映射結(jié)果符合很好.對(duì)于質(zhì)量數(shù)A>30 的中高Z離子,其較為復(fù)雜的電離過程將對(duì)離子的加速過程產(chǎn)生影響.在電離度較低的情況下,重離子將滯后于電子被推動(dòng)形成的鉆孔活塞結(jié)構(gòu),此時(shí)HB-RPA 模型不再適用,離子峰值能量將顯著低于理論值[21].因此,這里基于映射結(jié)果給出的修正模型僅適用于A<30 的靶材料.在質(zhì)量數(shù)A>30 時(shí),需增大數(shù)據(jù)集的質(zhì)量數(shù)取值范圍,并考慮靶材料的離化過程對(duì)加速過程的影響.

4.3.2 截止能量映射

當(dāng)離子截止能量作為目標(biāo)參量時(shí),重復(fù)與離子峰值能量相同的訓(xùn)練和掃參操作,可以得到連續(xù)映射曲線,如圖7 所示.

圖7 (a) He2+離子截止能量 Em 關(guān)于靶密度 n 的映射曲線,其中靶厚 d=15λ0 ,激光強(qiáng)度 a=100 ;(b) He2+離子截止能量Em關(guān)于激光強(qiáng)度 a 的映射曲線,其中靶厚 d=15λ0 ,靶密度 n=20nc ;(c) He2+離子截止能量 Em 關(guān)于靶厚 d 的映射曲線,其中靶密度 n=20nc ,激 光強(qiáng)度 a=100 ;(d) 離子截止能量 Em 關(guān)于離子質(zhì)量數(shù) A 的映射曲線,其中靶厚 d=15λ0 ,靶密度 n=20nc,激光強(qiáng)度a=100Fig.7.(a) Parameter scan of He2+ cutoff energy Em over target density n with d=15λ0 ,a=100 ;(b) parameter scan of He2+cutoff energy Em over laser intensity a with d=15λ0 ,n=20nc ;(c) parameter scan of He2+ cutoff energy Em over target thickness d with a=100 ,n=20nc ;(d) parameter scan of ion cutoff energy Em over ion mass number A with a=100,n=20nc and d=15λ0 .

圖7 給出了He2+離子的截止能量關(guān)于靶密度n、激光強(qiáng)度、靶厚和離子質(zhì)量的映射關(guān)系.結(jié)果表明,離子截止能量隨n的增大而減小,隨激光強(qiáng)度的增強(qiáng)和離子質(zhì)量的增大而上升,而與靶厚無明顯關(guān)聯(lián).離子截止能量的映射結(jié)果與離子峰值能量的映射結(jié)果呈現(xiàn)出一致的單調(diào)性變化規(guī)律.因此,將結(jié)合 離子峰值能量Ep與離子截止能量Em的比值映射模型給出HB-RPA 機(jī)制下離子截止能量的經(jīng)驗(yàn)公式.

4.3.3 能量比值關(guān)系

將每組模擬截止能量Em和峰值能量Ep的比值記為k=Em/Ep.將k作為建模參量,神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與超參數(shù)設(shè)置均與訓(xùn)練Ep和Em時(shí)保持一致,損失函數(shù)閾值設(shè)為2×10-4,重復(fù)與Ep,Em類似的訓(xùn)練和代理模型加權(quán)平均操作,得到k關(guān)于不同輸入?yún)⒘康挠成淠Ｐ?

圖8 為質(zhì)子、He2+、C6+、O8+四種離子的截止能量Em與峰值能量Ep的比值k的二維連續(xù)映射圖.由圖8(a) 所示,質(zhì)子的能量比值k隨靶密度n增大而增大,隨激光強(qiáng)度a增大而減小,k值在較小范圍內(nèi)緩慢變化且近似均勻.在a<90 ,n>25nc的部分區(qū)域,k變化幅度增大,呈現(xiàn)出一定非線性變化趨勢(shì).圖8(b)–(d)顯示,其他3 種離子的k值變化趨勢(shì)與質(zhì)子相同,且k值的變化范圍隨離子質(zhì)量數(shù)A的增大而增大.

圖8 (a) 質(zhì)子,(b) He2+,(c) C6+和 (d) O8+的能量比值 k=Em/Ep 的二維連續(xù)映射圖,其中靶厚 d=20λ0,參 數(shù)映射范圍 為63.2 ≤a ≤173.2 和10nc ≤n ≤30ncFig.8.Two-dimensional continuous mapping of k=Em/Ep over 63.2 ≤a ≤173.2 and 10nc ≤n ≤30nc with d=20λ0 :(a) Proton case;(b) He2+;(c) C6+;(d) O8+.

圖9 為能量比值k隨激光強(qiáng)度和靶密度變化的映射曲線.圖9(a)顯示,k隨著激光強(qiáng)度a的增大近似以線性規(guī)律減小,其斜率隨靶密度增大而增大.圖9(b)顯示,當(dāng)n<25nc時(shí),k隨著靶密度n的增大而近似線性增大;當(dāng)靶密度n>25nc時(shí),k的上升幅度顯著變大,呈現(xiàn)非線性變化趨勢(shì).前面圖1 中關(guān)于離子相空間的分析已給出: 峰值能量對(duì)應(yīng)的離子主要在電荷分離場(chǎng)的峰值區(qū)域內(nèi)被加速;而截止能量對(duì)應(yīng)的離子先被電荷分離場(chǎng)的上升沿預(yù)加速,再進(jìn)入峰值區(qū)域被加速,所以具有更高的能量.當(dāng)激光強(qiáng)度較大或靶密度較低時(shí),電荷分離場(chǎng)峰值強(qiáng)度增加,導(dǎo)致離子峰值能量增大,截止能量與峰值能量差距減小.當(dāng)激光強(qiáng)度較小或靶密度較高時(shí),電荷分離場(chǎng)峰值強(qiáng)度降低,離子受電荷分離場(chǎng)上升沿加速所獲得的能量占比增大,導(dǎo)致截止能量與峰值能量差距增大.綜合上述映射模型特征和物理過程分析,給出了能量比值k關(guān)于輸入?yún)⒘康臄M合公式:

圖9 C6+離子能量比值 k 隨(a)激光強(qiáng)度和(b)靶密度的映射曲線(實(shí)線)和擬合公式結(jié)果(虛線),其中參數(shù)范圍分別為63.2 ≤a ≤173.2,10nc ≤n ≤30nc ,靶厚d=15λ0Fig.9.Parameter scan (solid) and fitted formula (dashed) of k over (a) 63.2 ≤a ≤173.2 and (b) 10nc ≤n ≤30nc for C6+ with d=15λ0.

在n<25nc時(shí),(5)式中第1 項(xiàng)描述了k關(guān)于激光強(qiáng)度a的線性變化趨勢(shì),以及靶密度n和離子質(zhì)量數(shù)A對(duì)激光強(qiáng)度映射的影響;第2 項(xiàng)和第3 項(xiàng)反映了靶密度n和離子質(zhì)量數(shù)A對(duì)k值整體取值分布的影響.n>25nc時(shí),第1 項(xiàng)與第2 項(xiàng)中靶密度n增加了高次項(xiàng),描述了在較大密度下能量比值關(guān)于n變化的非線性趨勢(shì),此時(shí)上升幅度增大.離子截止能量Em可以由下式給出:

5 結(jié)論與展望

本文基于FCNN 算法對(duì)粒子模擬所生成的數(shù)據(jù)集展開了分析,建立了HB-RPA 機(jī)制下離子峰值能量和截止能量關(guān)于激光強(qiáng)度、靶密度、靶厚度和離子質(zhì)量的連續(xù)映射模型.該模型在與測(cè)試集數(shù)據(jù)和理論公式的比對(duì)中表現(xiàn)良好,且具有一定參數(shù)范圍內(nèi)的預(yù)測(cè)能力.研究發(fā)現(xiàn),當(dāng)離子質(zhì)量數(shù)較大時(shí),HB-RPA 機(jī)制下的峰值能量公式與數(shù)值模擬結(jié)果存在差異.基于映射模型和數(shù)值模擬結(jié)果,給出了離子峰值能量的修正公式和離子截止能量的經(jīng)驗(yàn)公式.在基于HB-RPA 的激光加速離子實(shí)驗(yàn)設(shè)計(jì)中,我們的映射模型和經(jīng)驗(yàn)公式可為激光和靶參數(shù)的選取提供重要參考.本工作也可以拓展到更多樣化的目標(biāo)參量,對(duì)離子束產(chǎn)額、單能性和準(zhǔn)直度等束流品質(zhì)進(jìn)行分析.