Los pulsos ultrarrápidos de los láseres de rayos X revelan cómo se mueven los átomos en escalas de tiempo de un femtosegundo. Eso es una milmillonésima de segundo. Sin embargo, medir las propiedades de las legumbres en sí es un desafío. Si bien determinar la fuerza máxima de un pulso, o "amplitud", es sencillo, el momento en que el pulso alcanza el máximo, o "fase", a menudo está oculto. Un nuevo estudio entrena redes neuronales para analizar el pulso y revelar estos subcomponentes ocultos. Los físicos también llaman a estos subcomponentes 'reales' e 'imaginarios'. A partir de mediciones de baja resolución, las redes neuronales revelan detalles más finos con cada pulso y pueden analizar pulsos millones de veces más rápido que los métodos anteriores.

El nuevo método de análisis es hasta tres veces más preciso y millones de veces más rápido que los métodos existentes. Conocer los componentes de cada pulso de rayos X conduce a datos mejores y más nítidos. Esto ampliará la ciencia posible utilizando láseres de rayos X ultrarrápidos, incluida la investigación fundamental en química, física y ciencia de materiales y aplicaciones en campos como la computación cuántica. Por ejemplo, la información adicional del pulso podría permitir experimentos resueltos en el tiempo más simples y de mayor resolución, revelar nuevas áreas de la física y abrir la puerta a nuevas investigaciones de la mecánica cuántica. El enfoque de red neuronal utilizado aquí también podría tener amplias aplicaciones en la ciencia de rayos X y aceleradores, incluido el aprendizaje de la forma de las proteínas o las propiedades de un haz de electrones.

Las caracterizaciones de la dinámica del sistema son aplicaciones importantes para los láseres de electrones libres de rayos X (XFEL), pero medir las propiedades en el dominio del tiempo de los pulsos de rayos X utilizados en esos experimentos es un desafío de larga data. El diagnóstico de las propiedades de cada pulso XFEL individual podría permitir una nueva clase de experimentos dinámicos más simples y potencialmente de mayor resolución. Esta investigación realizada por científicos del SLAC National Accelerator Laboratory y Deutsches Elektronen-Synchrotron es un paso hacia ese objetivo. El nuevo enfoque entrena redes neuronales, una forma de aprendizaje automático, para combinar mediciones de baja resolución en los dominios de tiempo y frecuencia y recuperar las propiedades de los pulsos de rayos X a alta resolución. La arquitectura de red neuronal "informada por la física" basada en modelos se puede entrenar directamente en datos experimentales no etiquetados y es lo suficientemente rápida para el análisis en tiempo real en la nueva generación de XFEL de megahercios. De manera crítica, el método también recupera la fase, abriendo la puerta a experimentos de control coherente con XFEL, dando forma al intrincado movimiento de electrones en moléculas y sistemas de materia condensada.

La investigación fue publicada en Optics Express . + Explora más

El aprendizaje automático allana el camino para aceleradores de partículas más inteligentes