[论文解读] On Uncertainty Quantification in Particle Accelerators Modelling

Andreas Adelmann|arXiv (Cornell University)|Sep 27, 2015

Probabilistic and Robust Engineering Design参考文献 28被引用 3

一句话总结

本文提出了一种基于多项式混沌展开（PCE）的非侵入式不确定性量化（UQ）框架，用于粒子加速器建模，可实现代理模型构建、基于Sobol’指数的全局敏感性分析以及误差传播。在回旋加速器模型上的应用表明，仅需少量高保真度仿真即可高效识别影响束流发射度、能量展宽和晕团形成的最关键不确定参数。

ABSTRACT

Using a cyclotron based model problem, we demonstrate for the first time the applicability and usefulness of a uncertainty quantification (UQ) approach in order to construct surrogate models for quantities such as emittance, energy spread but also the halo parameter, and construct a global sensitivity analysis together with error propagation and $L_{2}$ error analysis. The model problem is selected in a way that it represents a template for general high intensity particle accelerator modelling tasks. The presented physics problem has to be seen as hypothetical, with the aim to demonstrate the usefulness and applicability of the presented UQ approach and not solving a particulate problem. The proposed UQ approach is based on sparse polynomial chaos expansions and relies on a small number of high fidelity particle accelerator simulations. Within this UQ framework, the identification of most important uncertainty sources is achieved by performing a global sensitivity analysis via computing the so-called Sobols' indices.

研究动机与目标

• 展示非侵入式不确定性量化（UQ）在基于回旋加速器的高强粒子加速器建模中的适用性。
• 利用多项式混沌展开（PCE）为关键束流质量指标——发射度、能量展宽和晕参数——构建代理模型。
• 通过Sobol’指数执行全局敏感性分析，识别加速器仿真中最具影响力的不确定输入参数。
• 仅使用少量高保真度仿真，实现束流动力学输出的误差传播与误差分析。
• 在瑞士保罗谢勒研究所（PSI）一个紧凑型高强回旋加速器的实际设计项目上验证该框架。

提出的方法

• 采用非侵入式PCE方法，将现有的束流动力学代码（如OPAL）视为黑箱，仅需独立的仿真运行。
• 将不确定的输入参数表示为随机变量，并使用基于采样的方法在多项式混沌基底上展开感兴趣的输出量（QoI）。
• 采用Sobol’指数——包括一阶（$S_k$）和总效应（$S_k^T$）——量化每个输入参数对输出方差的贡献，实现全局敏感性分析。
• 通过最小二乘配点法计算PCE系数，避免对仿真代码进行侵入式修改。
• 对均匀分布的输入采用勒让德多项式，并应用Wiener-Askey多项式混沌框架以匹配输入的概率分布。
• 将该方法应用于类似PSI Injector 2的回旋加速器中心区域10圈的模型，聚焦于束流质量指标作为感兴趣的输出量（QoI）。

实验结果

研究问题

• RQ1 非侵入式基于多项式混沌的UQ能否在高强粒子加速器仿真中有效应用，以构建高精度的代理模型？
• RQ2 在回旋加速器设计中，哪些输入参数对束流发射度、能量展宽和晕团形成的影响最为显著？
• RQ3 如何通过Sobol’指数的全局敏感性分析识别并排序加速器建模中最重要的不确定参数？
• RQ4 通过PCE构建的代理模型在多大程度上能降低计算成本，同时保持不确定性传播的精度？
• RQ5 该UQ框架能否集成到正在进行的加速器设计项目中，以支持稳健性与误差分析？

主要发现

• 所提出的非侵入式PCE-UQ框架仅需少量高保真度仿真，即可实现对束流质量指标（发射度、能量展宽、晕参数）的高精度代理建模。
• 通过Sobol’指数进行的全局敏感性分析成功识别出影响束流动力学的关键参数，其中$S_k^T$值表明某些束流分布矩对输出变异性的贡献显著。
• 发现$S_k^T \text{<<} 1$的参数可忽略不计，因此可将其固定在均值处而不会显著损失精度，从而实现模型简化。
• 该方法展示了高效的误差传播与方差分解能力，能够量化由于输入参数波动导致的输出不确定性。
• 该框架已成功应用于一个紧凑型高强回旋加速器的实际设计项目，证明其在加速器研发中的实际应用价值。
• 该方法支持极易并行的计算模式，因为每次仿真运行相互独立，因此可在HPC资源上实现可扩展性。