《Communications in Nonlinear Science and Numerical Simulation》:Learning the nonlinear plasma-mirror response: fast surrogate modeling and optimization of ellipticity of attosecond pulses
编辑推荐:
阿秒脉冲偏振优化研究提出神经网络代理加速计算,通过傅里叶嵌入多层感知机预测椭圆度并耦合全局优化算法,验证显示较传统方法提升2%-3%椭圆度,揭示控制空间非圆最优特性,显著降低粒子轨迹模拟成本。
M. 斯莫尔卡洛夫 | R. 扎吉杜林 | C. 潘 | J. 王 | S. 里克科诺夫
斯科尔科沃科学技术研究院,大林荫大道30号,莫斯科,121205,俄罗斯
摘要
优化相对论性激光-薄膜相互作用产生的阿秒脉冲的偏振受到非凸响应表面的限制,以及粒子模拟(PIC)扫描的计算成本高昂的阻碍。我们提出了一种基于替代模型的框架,该框架能够学习从入射偏振到反射阿秒脉冲椭圆率的非线性映射关系。通过在1D PIC数据集(固定脉冲能量)上训练傅里叶嵌入的多层感知器来预测带宽定义的椭圆率,然后将其与全局优化器(双重退火算法)结合使用,优化器的建议结果通过PIC进行验证。该替代模型在测试中的平均绝对百分比误差(MAPE)约为4%,并且评估新点的速度比PIC快约10^3倍,从而实现了对参数空间的快速探索。使用不超过10个替代模型生成的候选方案,与PIC验证相比,椭圆率可以提高约2%;在另一种设置下(脉冲较长且薄膜较厚),经过十几次PIC验证后,椭圆率可提高约3%。最佳参数点位于圆形驱动线之外(a_0,y ≠ a_0,z),这突显了控制参数空间中的非直观结构。通过将昂贵的模拟次数减少一个数量级或更多,这种方法使得常规设计圆形或椭圆形阿秒光源成为可能,并且可以轻松应用于其他需要模拟驱动的优化任务。
引言
强烈的短激光脉冲与等离子体的相互作用是一类超快非线性现象的基础,继续推动高场科学和技术的进步[1]、[2]。一个特别有影响力的方向是使用相对论强度高的驱动源(强度≥10^18 W/cmλL, μm)生成阿秒脉冲[3]、[4]。对固体密度目标的照射可以在反射和透射几何结构中产生空间和时间上连贯的阿秒脉冲[5]、[6]、[7]、[8]、[9]。最近,薄薄膜目标(厚度远小于λL,μm)作为紧凑型等离子体镜,引起了实验和理论上的极大兴趣,用于高次谐波和阿秒光源[10]、[11]、[12]、[13]、[14]、[15]。
在这项工作中,我们专注于控制激光-薄膜相互作用产生的反射阿秒脉冲的偏振。圆形和高度椭圆的阿秒脉冲在磁学、手性以及超快光谱学研究中具有独特的应用价值[16]、[17]。虽然由圆偏振光驱动的薄膜可以产生强椭圆偏振的发射[13],但最终的椭圆率受多个耦合参数(驱动偏振分量、脉冲持续时间、目标厚度/密度和光谱窗口)的敏感影响。相关的控制参数空间是非凸的,而穷尽式的粒子模拟(PIC)扫描计算成本高昂,使得暴力优化不切实际。尽管本研究为了清晰性和概念验证而专注于一维参数依赖性,但所提出的基于替代模型的框架专门设计用于扩展到高维参数空间。虽然简单的插值方法(例如样条曲线)可能适用于这一一维情况,但我们的神经网络替代模型提供了一个可微分模型,可以无缝集成到基于梯度的优化器中,并自然扩展到涉及脉冲持续时间、目标厚度/密度、光谱窗口和其他激光参数的多参数优化中。
同时,人工智能(AI)方法,特别是神经网络(NNs)[18],已被证明在近似复杂映射方面非常有效,例如在视觉[19]、[20]、[21]和语言[22]、[23]、[24]等领域。在物理科学中,可以区分基于物理原理的方法[25]、[26]、[27]、[28](这些方法嵌入了控制方程),以及数据驱动的替代模型[29]、[30]、[31]、[32](这些模型在模型不完整、多尺度或重复计算成本过高时从模拟或实验数据中学习)。
相关的研究展示了神经替代模型在加速1D PIC输出分析方面的潜力——例如,使用紧凑型网络预测质子能量[33]。与此同时,对强场与密集目标相互作用的解析描述为解释数值趋势提供了有用的基准[34]。这些工作共同激励了数据驱动的仿真器去探索那些使用PIC计算成本高昂的参数空间。
在这里,我们证明了神经网络替代模型可以准确近似反射脉冲椭圆率与横向驱动幅度的依赖关系,并且可以与全局优化器结合使用,以大幅减少PIC评估次数来“发现”高椭圆率的操作点。具体来说,我们在1D PIC数据集上训练了一个紧凑的傅里叶嵌入多层感知器,然后将其与双重退火算法结合使用[35]来提出候选方案,最终通过PIC进行验证。该替代模型在测试中的MAPE达到4%,评估新点的速度比PIC快10^3倍,并且在仅对前N个建议进行PIC验证后,椭圆率相比训练扫描中的最佳值提高了约3%。我们还观察到了一个非圆形的最佳点(a_0,y ≠ a_0,z),表明控制参数空间中存在非直观的结构。
我们使用相对论单位进行计算:标准化时间和空间表示为