ARISE算法：实现高重复频率激光驱动离子加速实时优化的快速离子谱提取技术

《High Power Laser Science and Engineering》：ARISE: An Algorithm for Rapid Ion Spectrum Extraction Enabling Real-Time Optimisation in High-Repetition-Rate Laser-Driven Ion Acceleration

本刊推荐：为解决高重复频率激光驱动离子加速实验中离子谱数据的实时、自动化分析难题，研究人员开展了“ARISE：一种用于快速离子谱提取的算法”主题研究。该研究开发了ARISE算法，实现了对汤姆逊抛物线谱仪(TPS)图像中离子能谱的自动提取，处理速率超过20 Hz，并整合了背景扣除、零点自动识别和最大离子能量自动判定功能。研究验证了该算法在能谱提取和最大质子能量(Ep, max)检测方面的准确性，并在SCAPA激光装置上成功将其集成到贝叶斯优化框架中，实现了质子束最大能量的实时优化。此项工作为数据驱动的激光等离子体离子源优化和高通量诊断提供了关键工具。

　　

在高能量密度科学领域，高强度激光与物质相互作用能够产生高能离子束，其中质子能量已超过100 MeV。这类离子源因其超短脉冲持续时间等独特性质，在惯性约束聚变(ICF)、质子放射成像、辐射损伤测试以及放射生物学研究等领域展现出广阔的应用前景。然而，长期以来，激光驱动离子加速研究主要依赖能量高达数十至数百焦耳的大型激光装置，这些系统固有地受限于低重复频率（通常远低于1 Hz），严重阻碍了统计方法和数据驱动方法的应用，而这些方法对于优化和稳定离子加速机制至关重要。

近年来，随着高功率激光技术的进步，多个拍瓦级高重复频率激光系统相继建成，能够实现≥1 Hz的运行。与此同时，快速更换靶材技术（如带靶系统、液晶、低温靶和液体射流靶）的发展，使得在1 Hz乃至更高重复频率下产生高能激光驱动离子束成为可能。这些技术进步为统计和数据驱动实验提供了条件，包括基于机器学习(ML)的离子源优化、为神经网络构建代理模型生成训练数据集等。这些新兴方法将支持激光等离子体离子源的主动优化和稳定，促进对底层物理机制的深入探索，并改进实验设计——正如在惯性约束聚变(ICF)实验中所展示的那样。要充分实现数据驱动的离子加速实验，关键在于以匹配或超过激光重复频率的速率，自动化提取离子束的关键参数，如能谱、转换效率和最大能量。

在此背景下，研究人员开发了快速离子谱提取算法(ARISE)。该软件工具专为从汤姆逊抛物线谱仪(TPS)图像中以赫兹级重复频率提取离子能谱而设计，为实现具有实时反馈的数据驱动实验提供了可能。ARISE集成了背景扣除、零偏转参考点（定义抛物线离子轨迹的起源）自动识别以及最大离子能量自动判定等功能。

汤姆逊抛物线谱仪通过电场和磁场对离子进行色散，形成特征性的抛物线轨迹。带电粒子在TPS中的运动由非相对论性洛伦兹力公式描述。ARISE算法通过数值求解一组关于位置和速度的一阶常微分方程(ODE)来模拟离子轨迹，从而建立能量与探测器平面上偏转坐标的对应关系。

ARISE的处理流程始于用户通过配置文件定义TPS的固定设计参数。算法随后基于这些参数为给定的离子种类和能量范围预计算离子轨迹（抛物线）。图像采集后，算法自动检测零偏转点(ZP)，并采用以ZP为中心的径向对称背景模型进行背景扣除。谱线提取是沿着预定义的抛物线轨迹进行的，在每条轨迹两侧构建边界抛物线以界定离子信号的空间宽度。在每个能量步长下，提取垂直于轨迹的线轮廓，其像素值之和作为该能量下离子信号强度的度量。最终，从提取的能谱中实时导出最大离子能量和总信号强度等关键物理量。

代码性能与验证

研究人员通过验证测试和应用实时实验数据评估了ARISE的性能。首先，他们使用已知厚度的迈拉(Mylar)薄膜覆盖微通道板(MCP)的选定区域，通过阻止特定能量以下的质子来验证ARISE偏转模型和TPS能量分辨率的准确性。结果表明，ARISE预测的最小质子能量(E_p,min)与基于SRIM（离子在物质中的射程和阻止本领计算程序）模拟的预期值吻合良好。

随后，评估了两种自动检测最大质子能量(E_p,max)的方法：基于局部梯度阈值的方法和基于最小二乘回归的方法。在15个随机选取的实验谱数据集上，将自动方法的检测结果与四位独立研究人员盲评确定的基准值进行比较。结果表明，最小二乘法在平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)等所有性能指标上均显著优于阈值法。最小二乘法的检测误差与人工评估的不确定性相当，表现出与人工注释相媲美的可靠性，而阈值法则容易出现灾难性故障，不适合用于无监督的数据驱动优化过程。

重复速率测试表明，当启用所有处理步骤（包括中值滤波）时，ARISE处理每幅图像的平均时间为292±6毫秒，对应重复频率为3.42±0.07 Hz。若省略计算密集型的中值滤波步骤，重复频率可显著提高至20±2 Hz（平均处理时间49±6毫秒），远超许多高功率激光系统的重复频率。分析还显示，处理速率随分析的离子种类数量增加而下降，从处理单一离子种类时的最高速率降至处理八种离子种类时的8.60±0.47 Hz。

实时实验演示

在苏格兰斯特拉斯克莱德大学基于等离子体的加速器苏格兰中心(SCAPA)的350 TW、5 Hz激光器上进行了ARISE的实时实验验证。由于数据传输速度和诊断相机读出速率的限制，有效重复频率被限制在0.2 Hz。在初步演示中，ARISE在实验参数未故意修改的稳定条件下，持续监测并测量了E_p,max，展示了其在稳定运行期间主动监测质子束特性的能力。

为进一步展示ARISE在实时离子谱分析和促进数据驱动优化方面的性能，将自动确定的E_p,max值作为贝叶斯优化反馈回路中的目标函数。该优化在实验控制软件中实现，并与SCAPA控制系统直接接口。优化过程始于对激光能量和脉冲持续时间进行随机取样的5次发射，用由此获得的E_p,max训练初始高斯过程回归(GPR)模型，进而启动以最大化E_p,max为目标的贝叶斯优化 routine。在这个简单的双参数优化示例中，ARISE成功返回了E_p,max的变化，使得贝叶斯优化 routine 能够快速达到最大激光能量对应的平台区。脉冲持续时间在设定的群延迟色散(GDD)范围内的变化对E_p,max的影响可忽略不计。这一原理验证性的实时优化演示凸显了ARISE集成到更复杂多参数优化框架中的能力及其在未来实验活动中实现激光驱动质子源全自动调谐的潜力。

研究结论与意义

本研究成功开发并验证了ARISE算法，它能够以超过20 Hz的重复频率实时提取激光驱动离子能谱。其关键特性包括零偏转参考点自动检测、背景扣除和最大离子能量识别。该算法已成功应用于通过贝叶斯优化算法支持质子最大能量的实时优化。ARISE代表了实现激光驱动离子源自动化、高重复频率、数据驱动优化的重要一步。除了实验控制，它还能在活体实验中利用成熟的汤姆逊抛物线谱仪快速生成用于基于神经网络的合成诊断的训练数据集。这项能力将有助于发现稳定和控制离子束特性的新策略，推动其在现实世界中的应用进展。此外，ARISE易于适配其他带电粒子谱仪（如电子谱仪和广角离子谱仪）的自动化分析，有望促进数据驱动方法在激光等离子体诊断中更广泛的应用。