Longitudinal Phase Space Tomography via Machine Learning at the Los Alamos Neutron Science Center
本論文は、限られたフェーズスキャン測定値からLANSCE加速器ビームの縦方向位相空間分布を再構成するために、畳み込みニューラルネットワークおよびU-Netを用いた機械学習フレームワークを提示し、これらのモデルが手動キャリブレーションと同等の再構成精度を達成しつつデータ収集の要件を大幅に削減できることを示し、前方伝搬シミュレーションを通じて結果を検証するものである。