Zum Navigationspfad Unterseiten von „Forschung“ Zur Navigation Zum Schnellzugriff Zum Fuß der Seite mit weiteren Services
Zum Inhalt
Im linken drittel des Bildes befindet sich ein Dreieck mit blauer Füllung. Davor der Schriftzug DELTA in dreidimensionalen Buchstaben. Das Dreieck wird von einem dünnen schwarzen Ring umkreist. Rechts daneben befindet sich der Schriftzug "Zentrum für Synchrotronstrahlung"
Vom rechten Bildrand nach links verläuft ein Teil der Vakuumkammer des Speicherrings. Sie ist von blauen und orangen Magnten umschlossen. Im Hintergrund ist die Betonmauer zu erkennen. © André Althaus​/​TU Dortmund

Optimierung der Injektion

An der Speicherringanlage DELTA werden sämtliche Magnete sowie das Hochfrequenzsystem (HF) des Booster-Synchrotrons (BoDo) softwaregesteuert zyklisch hoch- und heruntergefahren. Jeder dieser Energierampenzyklen dauert etwa 7 Sekunden. Dabei wird die Energie der Elektronen von 90 MeV auf 1,5 GeV erhöht. Je nach Elektronentransferrate (Injektionseffizienz) und gespeichertem Strahlstrom in BoDo sind 150 bis 200 Rampenzyklen erforderlich, bis der maximale Strahlstrom von 130 mA im Speicherring erreicht ist (siehe Bild rechts). Um die Injektionszeiten zu minimieren, ist es daher wichtig, die Injektionseffizienz vom Booster-Synchrotron zum Speicherring zu optimieren.

Während des Injektionsprozesses müssen eine Vielzahl von Parametern (z.B. Stärken der Transferkanalmagnete, Triggerzeitpunkte aller gepulsten Injektions- und Extraktionsmagnete) manuell eingestellt werden. Die Effizienz der Injektion hängt dabei hauptsächlich von den Einstellungen der Booster-Extraktionselemente, der Magnete in der Transferlinie (T2),  sowie der Injektionskomponenten im Speicherring ab (siehe Bilder rechts). Um die Injektionsprozedur zu automatisieren und gleichzeitig die Elektronentransferrate zu verbessern, wurden innovative Konzepte des maschinellen Lernens getestet.

Die obere Abbildung zeigt die gemessene Injektionseffizienz pro Injektionszyklus und den dazugehörigen BoDo-Strom an der Speicherringanlage DELTA. Die untere Abbildung zeigt das entsprechende Histogramm für die Injektionseffizienz.
Gemessene Injektionseffizienz an der Speicherringanlage DELTA (exemplarisch).
Das Bild zeigt einen Teil der Transferlinienmagnete (T2) im Übergang vom Booster-Synchrotron (BoDo) zum Speicherring (Ausschnitt).
Magnete im Transferkanal T2, der Übergang vom Booster-Synchrotron (BoDo, links) zum Speicherring (oben rechts).
Die Abbildung zeigt die Abfolge der Komponenten im zweiten Transferweg (T2) zwischen dem Booster-Synchrotron (BoDo) und dem Speicherring.
Schematisches Layout des zweiten Transferkanals (T2).
Die Abbildung zeigt ein schrittweises Abtasten zur Optimierung der Injektionseffizienz basierend auf neuronalen Netzen (NN) und Gauß`schen Prozess Modellen (GPR).
Optimierung der Injektionseffizienz unter Verwendung von neuronalen Netzen (NN) und Gauß'schen Prozess Regressoren (GPR) als Vorhersagemodelle.

Im Rahmen mehrerer Studien ([12], [13]) wurden zunächst 13, später bis zu 18 Injektionsparameter, sowohl zufällig als auch systematisch verändert und der Einfluss auf die Injektionseffizienz gemessen. Diese Messungen dienten als Trainingsdaten für das überwachte Anlernen von Injektionsvorhersagemodellen. Neben neuronalen Netzen (NN) kamen Entscheidungsbäume und Gauß'sche Prozess Regressoren (GPR) als Prognosemodelle zum Einsatz.  Heuristische (z.B. simulated annealing) und statistische (z.B. Bayes'sche Optimierung) Optimierungsalgorithmen nutzen diese ML-basierten Ersatzmodelle um zwischen den Injektionszyklen (ca. 7 Sekunden) verbesserte Injektionseinstellungen vorzunehmen. Dieses Verfahren führte bei GPR- und NN-basierten Modellen innerhalb weniger Iterationen (Injektionszyklen) zu einer deutlichen Verbesserung der Injektionseffizienz . Entscheidungsbäume erwiesen sich als weniger erfolgreich. Weitere Details sind in den Studien [12], [13] aufgeführt und im Konferenzbeitrag zur IPAC-23 zusammengefasst.

Zum Seitenanfang