Zum Inhalt

Analyse von CHG-Spektren

Atomare Übergangsprozesse laufen in der Regel auf sehr kurzen Zeitskalen ab. Um diese Prozesse zeitlich auflösen zu können, werden an der Synchrotronstrahlungsquelle DELTA sehr kurze Lichtpulse mit Hilfe der so genannten kohärenten Oberwellenerzeugung (Coherent Harmonic Generation, kurz CHG) erzeugt. Dazu wird ein gepulster Laserstrahl mit dem gespeicherten Elektronenstrahl in einem speziellen Magneten (Undulator) überlagert, wodurch die Elektronen energetisch moduliert werden (Modulator). Beim anschließenden Durchlaufen einer magnetischen Schikane wird die Energiemodulation in eine Dichtemodulation umgewandelt, so dass aus einem nachfolgenden zweiten Undulator, der als Radiator fungiert, CHG-Strahlung emittiert wird (siehe Bild oben rechts). Das CHG-Verfahren liefert ultrakurze (im Subpikosekundenbereich), kohärente Lichtpulse mit Wellenlängen bis in den Vakuum-Ultraviolettbereich (VUV). Die spektralen Eigenschaften dieser Strahlung hängen unter anderem von den Einstellparametern des eingekoppelten Laserstrahls und der Schikanenstärke ab. Weitere Informationen finden sich u.a. in den Projektbeschreibungen und Publikationen der Arbeitsgruppen Khan und Helml.

 

Schematische Darstellung der CHG-Funktionsweise.
Struktur eines mehrlagigen, gefalteten neuronalen Netzes (CNN) für die Analyse von CHG-Spektren.
Vergleich von gemessenen (1. Zeile) und mit CNN vorhergesagten (2. Zeile) CHG-Spektren für verschiedene Einstellungen des Laserkompressors (GDD, TOD) und Stärken der Schikane (R56).

Für die NN-basierte Analyse der CHG-Strahlungsspektren wurden diese zunächst für Laserpulse mit verschiedenen spektralen Phasen und unterschiedlichen Stärken der magnetischen Schikane (R56) simuliert. Im Wesentlichen wurde dabei der Einfluss der beiden Laserpuls-Parameter GDD (group delay dispersion) und TOD (third order dispersion) auf die Spektren untersucht. Um die GDD- und die TOD-Werte aus den als Eingabe gemessenen CHG-Spektren vorhersagen zu können, wurde ein neuronales Faltungsnetzwerk (Convolutional Neural Network, kurz CNN) entworfen (siehe 2. Bild oben) und anschließend mit einem Satz von über 40000 numerisch simulierten Spektren für verschiedene Kombinationen von GDD- und TOD-Wertepaaren trainiert. Anschließend waren die trainierten Ersatzmodelle in der Lage, die GDD- und TOD-Werte für verschiedene spektrale Phasen des Laserpulses aus den gemessenen Spektren vorherzusagen (siehe linkes Bild). Weitere Details sind u.a. im Konferenzbeitrag zur IPAC-2023 zu finden.