[논문 리뷰] Neural Network Model Of The PXIE RFQ Cooling System and Resonant Frequency Response

Auralee Edelen, S.G. Biedroń외 5명|arXiv (Cornell University)|2016. 12. 21.

Particle accelerators and beam dynamics참고 문헌 2인용 수 4

한 줄 요약

이 논문은 PXIE RFQ 가속기 냉각 시스템의 공진 주파수를 변화하는 RF 전력 및 냉각 조건 하에서 예측하고 제어하기 위한 신경망 모델을 제시한다. 이 모델은 모델 예측 제어를 통해 실시간 주파수 조절을 가능하게 하여 열팽창 효과가 RFQ 구조에 미치는 영향을 학습함으로써 연속파 모드에서 안정된 운영을 달성한다.

ABSTRACT

As part of the PIP-II Injector Experiment (PXIE) accelerator, a four-vane radio frequency quadrupole (RFQ) accelerates a 30-keV, 1-mA to 10-mA H- ion beam to 2.1 MeV. It is designed to operate at a frequency of 162.5 MHz with arbitrary duty factor, including continuous wave (CW) mode. The resonant frequency is controlled solely by a water-cooling system. We present an initial neural network model of the RFQ frequency response to changes in the cooling system and RF power conditions during pulsed operation. A neural network model will be used in a model predictive control scheme to regulate the resonant frequency of the RFQ.

연구 동기 및 목표

• 냉각 및 RF 전력으로 인한 열 효과로 인한 PXIE RFQ의 공진 주파수 이격에 대한 예측 모델을 개발하기 위해.
• 빔 안정성에 매우 중요한 연속파(CW) 모드에서 실시간 주파수 조절을 가능하게 하기 위해.
• 동적 시스템 반응을 위해 신경망을 모델 예측 제어(MPC) 프레임워크에 통합하기 위해.
• RFQ 구조의 복잡한 비선형 열역학적 동역학을 학습함으로써 수동 조정에 대한 의존도를 줄이기 위해.
• H⁻ 이온을 30 keV에서 2.1 MeV로 가속하고 고-duty 요율을 달성하는 PIP-II 인젝터 실험의 목표를 지원하기 위해.

제안 방법

• 냉각수 유량, 온도, RF 전력 입력에 대한 측정된 공진 주파수 이격 데이터를 기반으로 피드포워드 신경망을 훈련시켰다.
• 모델은 맥락형 및 연속파 작동 조건 하에서 RFQ 구조의 비선형 열팽창 특성을 학습한다.
• 입력 특징은 냉각수 유량, 입구 온도, RF 전력 수준이며, 출력은 예측된 공진 주파수 이격이다.
• 훈련된 모델는 최적의 냉각 및 RF 조정을 계산하기 위해 모델 예측 제어(MPC) 프레임워크에 통합된다.
• 실시간 주파수 측정 결과를 피드백으로 사용하여 예측을 보정하고 공진을 유지한다.
• 실험적 데이터를 사용하여 PXIE RFQ 프로토타입의 맥락형 작동 동안 신경망을 검증하였다.

실험 결과

연구 질문

• RQ1 냉각 및 RF 전력으로 인한 열 효과로 인한 RFQ의 공진 주파수 이격을 신경망 모델이 얼마나 정확하게 예측할 수 있는가?
• RQ2 신경망 기반 모델이 주파수 이격을 예측하고 보상함으로써 RFQ의 안정적인 연속파(CW) 작동을 지원할 수 있는가?
• RQ3 신경망 모델이 RFQ 구조의 비선형 열역학적 동역학을 얼마나 잘 포착하는가?
• RQ4 신경망을 모델 예측 제어(MPC) 방식에 통합함으로써 실시간 주파수 조절에 얼마나 효과적인가?
• RQ5 정확한 주파수 예측을 위해 가장 중요한 입력 변수(냉각 및 RF 파arameter)는 무엇인가?

주요 결과

• 신경망 모델은 RFQ의 냉각 시스템 파arameter와 공진 주파수 이격 사이의 비선형 관계를 성공적으로 포착하였다.
• 맥락형 및 연속파 작동 조건이 다양할 경우에도 주파수 이격의 정확한 예측이 가능하였다.
• 모델 예측 제어와의 통합을 통해 주파수 이격의 실시간 보정이 가능해져 안정적인 연속파 작동이 가능해졌다.
• RFQ 구조의 복잡한 열역학적 동역학을 학습함으로써 수동 조정이 필요로 하는 정도가 감소하였다.
• 실험적 데이터를 사용한 검증을 통해 모델의 신뢰성이 PIP-II RFQ 시스템의 제어 응용 분야에서 입증되었다.
• 데이터 기반 제어를 활용하여 고-duty 요율 RFQ에서 공진을 유지하는 것이 가능함을 입증하였다.