通过机器学习从光核轨迹探测器中提取3D轨迹,并将其应用于激光驱动离子诊断

科学领域:

• 核物理 核物理 核物理
• 激光-等离子体物理学
• 颗粒探测器 颗粒探测器

背景情况:

• 激光驱动的离子加速是高能物理学的一个关键领域.
• 准确的离子诊断对于理解和优化这些实验至关重要.
• 像CR-39这样的现有方法需要化学蚀刻,并且可能不那么精确.

研究的目的:

• 开发一种新的,自动化的离子诊断方法,用于激光驱动的离子加速.
• 通过光核轨道探测器 (FNTDs) 实现精确的3D跟踪和离子特征.
• 克服传统轨道探测器的局限性,例如需要蚀刻和潜在的重叠问题.

主要方法:

• 使用光核轨迹探测器 (FNTDs) 记录粒子轨迹作为颜色中心.
• 使用共聚焦激光显微镜可视化和重建3D粒子轨迹.
• 开发了一个自动检测和跟踪算法,使用支向量分类器和内核化相关性过器.
• 使用来自千叶重离子医疗加速器的数据来训练算法.

主要成果:

• 成功演示了FNTD中离子轨迹的自动检测和3D跟踪.
• 该方法准确地识别了离子轨迹,将其与其他粒子 (电子,光子) 区分开来,并追踪到它们的停止点.
• 在FNTD中颜色中心的强度与沉积的能量相关,允许确定离子能量.
• 通过分析强度分布与深度和停止距离的比较,可以识别核酸.

结论:

• 开发的自动化FNTD分析方法为激光驱动加速的离子诊断提供了重大进展.
• 这种技术提供精确的3D跟踪和特征能力,不需要化学蚀刻.
• 自动化使大数据集的统计分析更容易,这对于激光诱导粒子加速的实验进步至关重要.