Utilisation des méthodes d'apprentissage pour le réglage d'un accélérateur de particules

par Emmanuel Goutierre

Projet de thèse en Informatique

Sous la direction de Johanne Cohen.

Thèses en préparation à université Paris-Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication , en partenariat avec Laboratoire Interdisciplinaire des Sciences du Numérique (laboratoire) , GALaC - Graphes, Algorithmes et Combinatoire (equipe de recherche) et de Faculté des sciences d'Orsay (référent) depuis le 01-12-2020 .


  • Résumé

    L'accélérateur de particules ThomX est un système complexe requérant un contrôle statique (à l'initialisation) et dynamique (en cours de processus) pour remplir les objectifs visés (production de rayons X). Le sujet de thèse aborde ce problème dans le cadre de l'apprentissage machine (machine learning), répondant aux défis suivants : - Modélisation d'un phénomène stochastique ; - Apprentissage actif (identification des mesures destructives les plus informatives pour effectuer le contrôle dynamique) ; - Apprentissage par renforcement (exploitation de simulateurs permettant de prédire le comportement du processus à court terme, optimisation du compromis coût de calcul du simulateur / précision des prédictions). L'accélérateur de particules ThomX a pour but de produire des rayons X. Ce système se compose d'un laser de puissance générant un faisceau composé de séquence de paquets d'électrons, d'un accélérateur Linac (accélérant les électrons jusqu'à 50 MeV) et d'un anneau de stockage (dans lequel les électrons font 400,000 tours en 20 ms). Le système comprend des paramètres de contrôle (e.g., réglage du laser) et des observables (décrivant le comportement du faisceau au cours du temps). L'objectif consiste à ajuster à l'initialisation (contrôle initial) et au cours de l'expérience (contrôle dynamique) les paramètres de contrôle dans le but de produire des rayons X répondant aux contraintes définies.

  • Titre traduit

    Machine learning-based particle accelerator tuning


  • Résumé

    The particle accelerator ThomX is a complex system requiring static (at initialization) and dynamic (in-process) control to achieve its objectives (X-ray production). This projet concerns machine learning, having the following challenges: - Modeling of a stochastic phenomenon ; - Active learning (identification of the most informative destructive measures to perform dynamic control) ; - Reinforcement learning (use of simulators to predict the behaviour of the process in the short term, optimisation of the trade-off between simulator calculation cost / accuracy of predictions). The particle accelerator ThomX is created to produce X-rays. This system consists of a power lase, a Linac accelerator (accelerating the electrons up to 50 MeV) and a storage ring (in which the electrons make 400,000 revolutions in 20 ms). The system includes severals control parameters (e.g., laser tuning) and observables (describing the behavior of the beam over time). The aim is to adjust at initialization (initial control) and during the experiment (dynamic control) the control parameters in order to produce X-rays meeting the defined constraints.