uu.seUppsala universitets publikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Accurate prediction of X-ray pulse properties from a free-electron laser using machine learning
Imperial Coll London, Dept Phys, London SW7 2AZ, England..
Imperial Coll London, Dept Phys, London SW7 2AZ, England..
Imperial Coll London, Dept Phys, London SW7 2AZ, England..
Imperial Coll London, Dept Phys, London SW7 2AZ, England..
Visa övriga samt affilieringar
2017 (Engelska)Ingår i: Nature Communications, ISSN 2041-1723, E-ISSN 2041-1723, Vol. 8, artikel-id 15461Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Free-electron lasers providing ultra-short high-brightness pulses of X-ray radiation have great potential for a wide impact on science, and are a critical element for unravelling the structural dynamics of matter. To fully harness this potential, we must accurately know the X-ray properties: intensity, spectrum and temporal profile. Owing to the inherent fluctuations in free-electron lasers, this mandates a full characterization of the properties for each and every pulse. While diagnostics of these properties exist, they are often invasive and many cannot operate at a high-repetition rate. Here, we present a technique for circumventing this limitation. Employing a machine learning strategy, we can accurately predict X-ray properties for every shot using only parameters that are easily recorded at high-repetition rate, by training a model on a small set of fully diagnosed pulses. This opens the door to fully realizing the promise of next-generation high-repetition rate X-ray lasers.

Ort, förlag, år, upplaga, sidor
Nature Publishing Group, 2017. Vol. 8, artikel-id 15461
Nationell ämneskategori
Den kondenserade materiens fysik
Identifikatorer
URN: urn:nbn:se:uu:diva-327226DOI: 10.1038/ncomms15461ISI: 000402745000001PubMedID: 28580940OAI: oai:DiVA.org:uu-327226DiVA, id: diva2:1136026
Tillgänglig från: 2017-08-25 Skapad: 2017-08-25 Senast uppdaterad: 2017-11-29Bibliografiskt granskad

Open Access i DiVA

fulltext(936 kB)117 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 936 kBChecksumma SHA-512
e969633eabba6bb0fe7bbd13342f4ec2bd209dcd9457542f88c10132e80ac1d0bd713584e077192ae0cd741274688478f2f2a69f9c6b3ab1c0fcfc23331d4173
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextPubMed

Personposter BETA

Agåker, M.Dong, M.Mucke, M.Rubensson, J-E.Vacher, M.

Sök vidare i DiVA

Av författaren/redaktören
Agåker, M.Dong, M.Mucke, M.Rubensson, J-E.Vacher, M.
Av organisationen
Molekyl- och kondenserade materiens fysikTeoretisk kemi
I samma tidskrift
Nature Communications
Den kondenserade materiens fysik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 117 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 356 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf