用于预测带电粒子非线性行为的新型神经网络层

基于加速器高阶传输映射的非线性效应解析分析,具有物理图像清晰、守辛、准确的优点,但其缺点是适用范围较窄。为了扩展非线性效应解析分析的适用范围,提出一种模拟李指数运算过程的神经网络层并构建了用于预测带电粒子非线性行为的新型神经网络。经过大量粒子跟踪数据的学习,可用于预测带电粒子复杂的非线性运动行为,并从中提取线性传输矩阵与表征非线性运动的指数因子。为了验证该新型神经网络的有效性,跟踪一段由薄透镜磁铁组成的磁聚焦结构得到大量的训练数据,并对所提出的神经网络进行训练。训练后的神经网络在测试数据集上表现良好,测试数据的损失函数方均根小于8×10-4,达到了预测带电粒子非线性行为的目的。     

用于硼中子俘获治疗的强流质子回旋加速器中心区结构优化设计

中国原子能科学研究院目前正在研制用于硼中子俘获治疗（BNCT）的强流质子回旋加速器,该加速器设计引出能量14 MeV、质子束流强大于1 mA。相比引出流强为400 μA的PET回旋加速器,BNCT强流质子回旋加速器对中心区相位接收度和轴向聚焦的要求更高。为实现mA量级的束流的加速和引出,BNCT强流质子回旋加速器采取了增加负氢束流注入能量、增大磁铁镶条孔径、使用用于增大Dee盒头部张角的阶梯状结构及调整加速间隙的入口和出口高度等一系列中心区结构优化设计,有效地提高了中心区的相位接收度,改善了轴向电聚焦。在新的离子源注入能量下通过数值计算得到实测场下的轴向电聚焦和间隙高度的关系,选取合适的间隙高度获得最佳的轴向聚焦,从而确定了mA量级束流的注入和加速的中心区结构。同时在设计中考虑空间电荷效应的影响,计算了不同流强下的束流尺寸变化。中心区结构在实测磁场下的优化设计计算结果表明,BNCT强流质子回旋加速器中心区的束流对中好于0.5 mm,相位接收度大于40°,中心区最高可接收流强3 mA。目前,新的中心区结构已进入机械加工阶段。