Characterization and automated optimization of laser-driven proton beams from converging liquid sheet jet targets

本文展示了一个利用液片射流靶实现的多赫兹激光驱动离子加速平台，该平台通过对激光波前进行实时、闭环的贝叶斯优化，实现了质子最大能量 11% 的提升，为开发稳健、高重复频率的离子源提供了途径。

要点

想象一下，试图用一束超强力的手电筒光束，击中一个微小且移动着的靶心，从而产生一簇微小的、高速运动的粒子（质子）。这本质上就是科学家们在使用高功率激光器制造粒子束时所做的事情。这些粒子束在医疗治疗和科学研究等领域具有广阔的前景，但有一个难点：通常，你一次只能“开一枪”，而且结果是不可预测的。为了让这些粒子束能够胜任现实世界的任务，你需要能够重复性地发射它们（就像机关枪而不是单发步枪），并且要确保每次都能完美击中目标。

这篇论文描述了一个成功的实验，它恰恰做到了这一点：它创造了一个稳定的、可重复的质子“机关枪”，并教会了计算机如何调节激光以使粒子束变得更好。

以下是他们工作的详细分解，使用了简单的类比：

1. 目标：是一个“水幕”而非“实心墙”

通常，科学家会将激光射向固体金属或塑料片。但如果你把强力激光射向固体片，它会被损坏，你必须每射一枪就更换一次。这既慢又麻烦。

相反，这个团队使用了一个液态水幕。想象一个非常薄、连续流下的瀑布，沿着墙壁流下，但厚度只有几百纳米（比人类头发还要薄）。

• 为什么很酷： 因为水是在不断流动的，所以激光每次击中的都是一个新鲜、洁净的表面。这就像拥有无穷无尽的新纸可以写字，而不是试图擦除并重复使用同一张纸。
• 结果： 他们证明了这个“水墙”可以承受每秒 5 次的激光轰击（并且潜力更高），而不会破损或产生破坏设备的碎屑。

2. 实验：调节“手电筒”

一旦有了稳定的目标，他们就需要弄清楚如何从中获得最好的质子束。他们测试了三个主要方面：

• 光的角度（偏振）： 把激光想象成一种波。他们尝试让波左右摇摆（s 偏振）、上下摇摆（p 偏振）或做圆周运动（圆偏振）。
  • 发现： 上下摇摆（p 偏振）是明显的赢家。它产生的能量是其他方法的三倍，粒子数量也是十倍。这就像发现精准地在正确时刻推一下秋千，会让秋千荡得更高，而不是随机乱推。
• 脉冲的形状： 他们调整了激光脉冲的“节奏”（让它在特定方式下变得稍长或稍短）。
  • 发现： “完美压缩”的脉冲（标准设置）效果最好。让脉冲变得太长或太短反而会损害结果。
• 光束的形状（波前）： 这就像调整相机的对焦和镜头形状。如果镜头稍微变形，图像就会模糊。他们使用了一个特殊的镜子（变形镜），这种镜子可以弯曲和扭转，从而实时修正激光束的形状。

3. “智能”优化：教计算机驾驶

这是最令人兴奋的部分。他们没有让科学家花费数天时间手动调节旋钮来寻找完美设置，而是使用了机器学习（具体为贝叶斯优化）。

• 类比： 想象你正在试图寻找一片大雾笼罩的山脉中的最高点，但你只能看到周围几英尺范围内的景象。
  • 旧方法： 你按照网格模式行走，检查每一个点。这需要耗费大量时间，而且如果地图太大，你可能会错过顶峰。
  • 新方法（贝叶斯优化）： 你有一个聪明的向导。你走一步，观察四周，向导会根据学到的知识来猜测顶峰可能在哪里。它带你去那里，进行检查，然后更新它的地图。它从每一步中学习，即使是那些向下的步骤。
• 结果： 计算机自动调整了激光镜面的形状。它不仅找到了一个“好”的设置，还找到了一个比人类手动优化之前能将质子最大能量提高 11% 的设置。它还让激光束的聚焦更加紧凑，将更多的能量集中在一个更小的点上。

4. 观察“爆炸”

他们还使用第二束较弱的激光来拍摄主激光击中水目标后发生的现象。

• 他们看到水变成了等离子体（超热气体）并极其快速地膨胀。
• 他们观察到一个“冲击波”形成并向外移动，类似于你往池塘里扔石头时看到的涟应该，但这一切发生在十亿分之一秒的瞬间。
• 这证实了水目标恢复和刷新自身的速度足够快，可以处理高速发射。

总结

这篇论文证明了：

1. 液态水幕是制造重复质子束的一种极佳且耐用的目标。
2. P 偏振激光（上下摇摆）在这种设置下效果最好。
3. AI 驱动的优化可以自动调节激光，获得比人类手动优化更好的结果，使这些粒子源更加可靠和强大。

这项工作是朝着使激光驱动的粒子加速器从小规模、单次实验转向小型化、稳定化并走向实际应用的迈出的重要一步。

技术摘要

技术摘要：收敛液片射流靶驱动质子束的特性表征与自动化优化

问题陈述
激光驱动质子加速器为医学、材料科学和基础物理应用提供了广阔前景，其特点是具有高峰值通量和低发射度。然而，要实现其全部潜力，需要高重复频率（HRR）运行（Hz 至 kHz），以产生实际应用所需的持续平均通量。一个关键的瓶颈是开发能够承受严苛辐射环境并在较长时期内保持紧凑瑞利范围（Rayleigh range）内位置稳定性的鲁棒靶标系统。此外，利用传统的单发或手动扫描方法来寻找实验最优解，在面对激光和靶标变量的高维、非线性参数空间时效率极低。因此，需要一种能够兼容机器学习技术、用于自主实时优化束流特性的稳定且可补充的靶标平台。

方法论
作者使用了一个由钨微流体喷嘴产生的液态水片射流靶，该靶标产生厚度为 600 ± 100 nm 的薄片，流速约为 10 m/s。该靶标由英国中央激光设施（CLF）的 TA2 激光系统照射，该系统可提供高达 200 mJ 的脉冲，脉冲宽度为 75 ± 5 fs，强度高达 3 × 10¹⁹ W/cm²，重复频率高达 5 Hz（大部分数据在 1 Hz 下采集）。

实验装置包括一套全面的诊断工具：

• 光学阴影法（Optical Shadowgraphy）： 使用一个具有可变延迟的独立 800 nm 探测脉冲（40 fs）来监测等离子体膨胀和冲击波形成，监测时间长达约 700 ps。
• 粒子诊断： 一个磁性电子光谱仪测量前向传播的热电子。基于闪烁体的质子束剖面仪和钻石探测器飞行时间（ToF）光谱仪用于表征加速质子的空间分布和能量谱。
• 控制系统： 激光波前通过受六个 Zernike 模式系数控制的变形镜（DM）进行操纵。声光可编程滤波器（AOPDF）允许调节群延迟色散（GDD）和三阶色散（TOD）。

本研究采用了两种主要的分析方法：

1. 参数扫描： 对靶标位置和激光脉冲参数（偏振、色散）进行系统的 1D 和 2D 网格扫描，以表征稳定性和耦合情况。
2. 贝叶斯优化（BO）： 一种闭环、实时的优化方案，利用高斯过程回归来最大化最大质子能量（$E_{max}$）。优化器根据来自 ToF 光谱仪的反馈来调整激光波前（Zernike 系数）。

主要贡献与结果

• 靶标稳定性与动力学： 液片射流展示了适用于高重复频率（HRR）运行的逐发稳定性。光学阴影法显示，过密等离子体最初以 ~0.3c 的速度膨胀，随后形成了丝状结构（归因于 Weibel 型不稳定性）和冲击波前沿。到 ~400 ps 时，扰动区域饱和在 ~50 µm，这表明靶标能够实现足够的恢复以支持 kHz 级的重复频率，尽管仍需进一步的流体力学研究来评估其扩展性。
• 偏振依赖性： 研究证实了加速效率对激光偏振的强烈依赖性。P 偏振脉冲产生的质子最大能量比 S 偏振脉冲高出约 3 倍，峰值剂量高出近两个数量级；而比圆偏振脉冲高出近一个数量级。这归因于在 P 偏振与尖锐等离子体密度梯度相互作用中增强的真空加热机制。
• 脉冲整形： 对 GDD 和 TOD 的扫描表明，最佳压缩配置（$\Delta$GDD = 0, $\Delta$TOD = 0）通常能产生最高的电子产额和质子能量。正向 TOD（可以延长脉冲上升沿）并未在此特定机制下提升性能。
• 自动化优化： 贝叶斯优化算法成功实现了激光波前的实时调谐。从手动优化的焦点开始，BO 方案将最大质子能量提高了 11%（从 5.4 MeV 增加到 6.0 ± 0.1 MeV）。这种提升与包含 50% 脉冲能量的半径减小 13% 相关，表明能量在焦斑中的集中度得到了增强。值得注意的是，尽管通量并非显式目标函数，但在优化过程中，ToF 探测器上的集成质子通量增加了 60%。
• 参数相关性： BO 模型推断出特定 Zernike 模式（例如水平科马和垂直像散）对质子能量影响的相关性。然而，这些相关性并未直接映射到远场峰值激光强度的变化，这表明优化过程利用了波前整形对等离子体相互作用的微妙影响，而非简单的强度最大化。

意义
本文证明了液片射流靶为高重复频率激光驱动离子加速提供了一个稳定且减少碎屑的平台。这项工作确立了使用机器学习（特别是贝叶斯优化）自主调谐激光波前以提高实时束流性能的可行性。通过闭环控制实现最大质子能量 11% 的提升以及显著更高的通量，该研究为应用级质子源铺平了道路。这些光源能够以多 Hz 的重复频率提供具有数 MeV 峰值能量和高单发剂量的质子束，并能通过主动稳定和优化来满足未来同位素制备和混合加速器发展的严格需求。作者强调，尽管目前的结果令人鼓舞，但仍需进一步研究激光波前与靶标等离子体之间复杂的相互作用，以充分理解所观察到的优化背后的物理机制。