Core Concepts
본 연구는 입자 가속기 내 전하 입자 빔의 시공간적 동역학을 효과적으로 모델링하기 위해 조건부 잠재 자기회귀 순환 모델(CLARM)을 제안한다. CLARM은 공간적 상관관계를 학습하는 조건부 변분 오토인코더(CVAE)와 시간적 동역학을 학습하는 LSTM 네트워크를 결합한 모델이다.
Abstract
본 연구는 입자 가속기 내 전하 입자 빔의 시공간적 동역학을 모델링하는 새로운 접근법을 제안한다.
입자 가속기 시뮬레이션 데이터를 활용하여 CVAE와 LSTM 네트워크를 통합한 CLARM 모델을 개발하였다.
CVAE는 입자 빔의 6차원 위상공간을 저차원 잠재 공간으로 변환하여 공간적 상관관계를 학습한다.
LSTM 네트워크는 이 잠재 공간 내에서 시간적 동역학을 학습하여 입자 빔의 미래 상태를 예측할 수 있다.
CLARM은 입자 빔의 생성과 예측 능력을 모두 갖추고 있어, 입자 가속기 운영 및 제어에 활용될 수 있다.
잠재 공간 시각화를 통해 모델의 해석 가능성을 제공한다.
Stats
입자 가속기 모듈 M1에서 M48까지 각 모듈의 전자기장 세기와 위상 정보가 입자 빔 동역학에 영향을 미친다.
입자 빔의 6차원 위상공간은 15개의 2차원 투영으로 표현된다.
Quotes
"본 연구는 입자 가속기 내 전하 입자 빔의 시공간적 동역학을 모델링하는 새로운 접근법을 제안한다."
"CLARM은 입자 빔의 생성과 예측 능력을 모두 갖추고 있어, 입자 가속기 운영 및 제어에 활용될 수 있다."