Bayesian Optimisation of Non-linear Breit-Wheeler Pair Production in Simulated Laser Experiments

本文证明了贝叶斯优化能够有效应对模拟全光学实验中逐发激光抖动的挑战，揭示了最大化正负电子对产生与最大化伽马射线能量的最佳条件有所不同，并且尽管存在显著的时间和指向不稳定性，这些最佳条件在高激光能量下仍可实现。

要点

想象一下尝试从无到有创造出某种东西——具体来说，是将纯粹的光转化为物质（电子-正电子对）。这就是**布赖特-惠勒过程（Breit-Wheeler process）**的目标，这一现象在物理学上已被预言，但在实验室中实现起来极其困难。

把这个实验想象成试图在骑着一匹颠簸的马时，用针去击中一个微小的移动目标。你有两个主要原料：

1. 超强激光（针）。
2. 高速电子束（马）。

当这两者完美碰撞时，激光的剧烈能量可以从真空中撕裂出一对粒子。但在现实世界中，情况是很混乱的。激光可能会轻微晃动，或者时机可能偏差了极小的一瞬间（称为“抖动/jitter”）。在完美的计算机模拟中，你会得到一个很棒的结果。但在现实中，这种微小的晃动意味着激光和电子束会错过彼此，导致你得不到任何结果。

以下是该论文作者如何解决这一问题的简单解释：

1. “幽灵粒子”技巧（粒子分裂）

通常，为了模拟这些碰撞，科学家必须追踪数百万个“虚假”粒子（宏观粒子），以观察是否能产生哪怕一个粒子对。这就像是通过观察每一粒沙子来寻找海滩上特定的某一粒沙子；这既耗时又耗费计算资源。

作者发明了一种名为**粒子分裂（Particle Splitting）**的新技巧。

• 类比： 想象你正在测试一个配方，而这个配方有百万分之一的机会做出一个完美的蛋糕。你不需要烤一百万个面包来寻找那个完美的蛋糕，而是只烤一个面包，但你在烤箱里神奇地将面糊“克隆”了1000份。然后你同时检查这1000个克隆体。
• 结果： 这使得计算机能够比以往快数千倍地模拟稀有事件（如产生粒子对），且不会损失准确性。他们证明了他们的“克隆”数学在概率极低的情况下依然能完美运行。

2. “智能搜索”（贝叶斯优化）

一旦能够快速运行模拟，他们就需要找到实验的最佳设置。问题在于，“完美”的设置会随着激光抖动的程度而改变。

• 类比： 想象你正在寻找一座浓雾笼罩的山峰的最高点。你看不见完整的地图。
  • 旧方法（暴力破解）： 你在山的每一步都进行测量，测量每一个位置的高度。这需要花费数年时间。
  • 新方法（贝叶斯优化）： 你走几步，根据坡度猜测峰值可能的位置，然后使用一个“智能指南针”（高斯过程回归）来决定下一步精确该往哪里走。它会边走边学习，在不检查每一寸土地的情况下，迅速锁定最佳位置。

3. 令人惊讶的发现：“间隔距离”（Stand-Off Distance）

关于应该在哪里设置碰撞，最有趣的发现是关于位置的问题。

• 直觉： 你会认为你希望电子束尽可能紧凑地撞击激光焦点，对吧？
• 现实： 由于激光存在抖动，如果你瞄得太紧，电子束往往会完全错过目标。
• 解决方案： 作者发现，你实际上应该让电子束在撞击激光之前稍微扩散一点。他们称之为**“间隔距离”（stand-off distance）**。
  • 隐喻： 想象你在投掷飞镖，目标是一个前后摇晃的靶心。如果你站得非常近，你必须做到完美无缺。但如果你退后几米，你的投掷范围会变宽。尽管你的精准度降低了，但这种“扩散”能更频繁地覆盖到那个摇晃的目标。
  • 发现： 激光抖动得越厉害，你就应该站得越远（最高可达几厘米）。这增加了即使在激光抖动的情况下，仍有一些电子能撞击到激光的可能性。

4. 两种不同的目标

论文还表明，“最佳”设置取决于你的目标是什么：

• 如果你想产生最多的伽马射线（光）： 你希望激光焦点稍大一些，且两束流更靠近一些。
• 如果你想产生物质（粒子对）： 你希望激光焦点尽可能小（以获得最大功率），且两束流距离更远（以应对抖动）。

核心结论

通过使用这些新的“克隆”数学技巧和“智能搜索”算法，作者展示了即使在现实、混乱的实验室条件下（即激光会晃动、时机略有偏差），我们仍然可以实现从光到物质的创造。

他们估计，利用现有技术（使用一台100焦耳的激光器），我们现实中可以实现每发射100个电子就产生一个电子-正电子对。虽然这不是一个巨大的数字，但足以证明即便在面对现实实验中“颠簸的马”时，物理定律依然有效。

技术摘要

技术摘要：模拟激光实验中非线性 Breit-Wheeler 对产生过程的贝叶斯优化

问题陈述
通过非线性 Breit-Wheeler 过程从纯光中产生电子-正电子对是下一代高强度激光设施的主要目标。虽然理想化的模拟表明产量很高，但实际的全光实验面临着显著的障碍。具体而言，由于激光指向和定时存在抖动（jitter），实现必要的伽马射线（通过逆康普顿散射产生）与强激光脉冲之间的多光子碰撞变得困难。这种抖动（通常在数十微米和飞秒量级）会导致对产生产量比理想对顶碰撞降低几个数量级。此外，由于在当前激光参数下对产生的概率极低，标准的蒙特卡洛（Monte-Carlo）或粒子单元法（PIC）模拟需要追踪极其庞大的粒子数量才能准确解析速率，这在探索多维参数空间以寻找最优实验条件时，计算成本高得难以承受。

方法论
作者提出了一种双管齐下的方法，以解决计算效率低下和实验不确定性的问题：

1. 新型粒子分裂算法： 为了在不追踪数百万个不必要宏观粒子的情况下模拟稀有的 Breit-Wheeler 事件，作者引入了在对产生步骤期间执行的粒子分裂技术。他们发现，简单的分裂（增加发射率并降低权重）在分裂率较高时无法保持能量守恒或统计独立性。他们评估了三种修正方法：

   • 全泊松采样（Full Poisson Sampling）： 在每个时间步长对完整分布进行采样，以允许每个宏观粒子发生多次发射。
   • 加性光学厚度（Additive Optical Depth）： 通过累积随机的光学厚度来维持发射历史和独立性。
   • 子循环（Sub-cycling）： 在单个时间步长内重复加性光学厚度过程，以处理高发射率（$\lambda \sim 1$）的情况。
     作者选择了“带子循环的加性光学厚度”方法，因为它在计算效率和准确性之间取得了平衡，并指出该方法允许使用简单的粒子权重同时在平均意义上保持能量守恒。

2. 基于高斯过程回归（GPR）的贝叶斯优化： 为了在存在噪声的条件下（针对激光光斑大小、能量分配和离焦点距离的多维参数空间）进行导航，作者采用了贝叶斯优化。他们利用 GPR 构建了一个快速的对产生速率代理模型。“期望改善”（Expected Improvement）采集函数引导了新模拟点的选择，在探索不确定区域与利用已知高产区域之间取得了平衡。这取代了由于问题的随机性而过于昂贵的暴力网格搜索。

关键结果

• 算法效率： 粒子分裂方法能够精确模拟低至每光子 $10^{-7}$ 对的产生速率。与为了达到相同统计精度而增加宏观粒子数量相比，分裂方法将运行时间减少了三个数量级（例如，在特定测试案例中，从约 2,800 秒降至约 2.3 秒每次模拟）。
• 抖动的影响： 结合了现实抖动（空间为数十微米，时间为数十飞秒）的模拟显示，与理想碰撞相比，对产生产量下降了两个数量级。
• 最佳离焦点距离： 一个关键发现是，最优实验配置高度依赖于抖动水平。
  • 对于对产生，最优策略涉及紧凑的激光聚焦（小腰径，例如 2 $\mu$m），以最大化量子参数 $\chi$，并结合一个离焦点距离（数厘米），使电子束发生膨胀。这种膨胀增加了束流尺寸，使其与空间抖动的规模相匹配，从而确保尽管束流未击中精确焦点，仍能获得较高的碰撞概率。
  • 对于同步辐射（伽马射线产生），最优策略有所不同：它倾向于较大的激光腰径（~16 $\mu$m）和最小的离焦点距离，以最大化相互作用体积和总辐射能量，而非峰值强度。
• 定量产量： 使用 100 J 的总激光能量，作者估计，即使在存在数十微米空间抖动和数十飞秒时间抖动的情况下，仍可实现大约 每 100 个电子产生 1 对 的现实对产生率。所找到的最优参数涉及能量分配（$s = E_{coll}/E_{tot}$）约为 0.43，产生一个 5.7 GeV 的电子束与一个 1.7 PW 的激光脉冲发生碰撞。

意义与主张
本文声称，通过结合高效的粒子分裂算法与贝叶斯优化，现在在计算上已可行地模拟并优化现实噪声条件下的全光 Breit-Wheeler 实验。该工作证明了产生对的“最佳”条件与最大化伽马射线能量的条件截然不同，后者需要权衡激光强度与束流膨胀，以减轻抖动的影响。作者断言，这些方法能够使近期的激光设施实现可测量的对产生速率，为考虑了现实世界激光系统不可避免之缺陷的实验设计提供了切实可行的路线图。该研究并非提出新的实验硬件，而是提供了一个计算框架，旨在最大化现有及计划中设施（如 ZEUS、CoReLS 和 APOLLON）的效用。