Longitudinal Phase Space Tomography via Machine Learning at the Los Alamos Neutron Science Center
यह शोध पत्र सीमित फेज़-स्कैन मापों से LANSCE त्वरक बीम के अनुदैर्ध्य चरण-स्थान वितरण (longitudinal phase-space distribution) को पुनर्गठित करने के लिए कनवल्शनल न्यूरल नेटवर्क और U-नेट्स का उपयोग करने वाले एक मशीन लर्निंग फ्रेमवर्क को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि ये मॉडल मैनुअल अंशांकन के तुलनीय पुनर्निर्माण सटीकता प्राप्त करते हुए डेटा संग्रह की आवश्यकताओं को महत्वपूर्ण रूप से कम कर सकते हैं और फॉरवर्ड-प्रोपैगेटेड सिमुलेशन के माध्यम से परिणामों को मान्य करते हैं।