识别使用深度神经网络的冷射频动力探测器系统中环境诱导的校准变化

科学领域:

• * 粒子物理学 粒子物理学
• * 天体物理学 * 天体物理学
• * * 量子色态动力学 量子色态动力学

背景情况:

• * 轴子是一个假设的粒子,用于解决强 CP 问题并解释暗物质.
• *当前的axion检测依赖于使用磁场中的高Q腔的光镜,准1-10 GHz.
• * 增加轴承质量需要更小的腔,减少信号对噪声,并需要多腔阵列.

研究的目的:

• * 调查使用来自向量网络分析仪扫描的非共振数据来诊断axion光镜实验.
• * 探索人工智能 (AI) 技术的应用,以应对复杂性增加的多腔体轴心光镜搜索.
• * 确定非共振数据是否可以识别设备故障,异常,并测量温度和磁场等物理条件.

主要方法:

• *分析来自向量网络分析仪扫描的非共振散射参数数据.
• *使用神经网络来处理和解释非共振数据.
• * 在 axion 镜实验中展示了人工智能驱动的诊断概念验证.

主要成果:

• *非共振数据,通常未使用,包含用于诊断实验条件的有价值信息.
• *人工智能技术可以有效地分析这些数据,以识别设备异常并测量物理参数.
• *这种方法提供了一种可行的方法来管理多探测器axion光镜搜索的操作复杂性.

结论:

• *对非共振数据的AI-powered分析为诊断axion光镜实验提供了一个新的解决方案.
• * 这种方法可以帮助减轻与扩展axion检测到多腔系统相关的挑战.
• *这些发现为更强大,更有效的暗物质搜索铺平了道路.