Conveners
人工智能与应用
- 胜森 孙 (Institute of High Energy Physics)
Plasma disruption is a very dangerous event for future tokamaks and fusion reactors. Therefore, predicting disruption is crucial for ensuring the safety and performance of reactors. In this study, the features of two deep learning algorithms are integrated to establish a multi-scale hybrid network disruption predictor. Firstly, 43 diagnostic signals are extracted by a convolutional neural...
背景介绍 2012年在大型强子对撞机（LHC）上发现希格斯（Higgs）玻色子是粒子物理学界的大事件，该发现不仅补全了标准模型缺失的最后一角，而且开启了粒子物理探索的新篇章。由于WZH三种玻色子（尤其是希格斯玻色子）与新物理现象及新物理规律的联系十分密切，因此精确测量他们的性质，是探索新物理现象和新物理规律的关键手段。强子喷注是WZH三种玻色子最主要的衰变末态，因此喷注的重建（Clustering）和标记（Tagging）算法对实现WZH三种玻色子的精确测量至关重要。本文主要介绍喷注的标记算法。传统喷注标记算法有两种，第一种是基于选择条件和人工变量，第二种是基于传统机器学习算法，比如决策树（Boost Decision Tree，...
同步辐射X射线散射技术是研究高分子薄膜材料多尺度结构演变的有力工具。其中，时间分辨原位小角X射线散射实验将产生大量SAXS数据。通过分析SAXS散射花样，研究人员可以获得大量硬弹性iPP薄膜在拉伸过程中的结构演变信息。然而，传统手动数据处理方式的带宽有限，无法适应现代高帧率检测器不断增加的数据密度和数量，这可能会导致大数据中包含的关键信息丢失。因此，迫切需要一种能够对大规模SAXS数据集进行预处理并快速探索参数空间的新方法。在这项工作中，我们应用几种机器学习方法来处理硬弹性iPP膜的原位SAXS数据集。结果表明，VAE和cVAE模型能够提取SAXS花样中隐含的结构信息，并将其映射到低维空间中。SAXS散射花样在二维和一维潜空间中的表示揭示了iPP膜的关键特征，如微观结构相似性、结构变化率和结构演化路径，从而可以为研究人员进一步指出数据分析的方向。为了建立加工-结构关系图谱，我们发展了...
