图示:SLAC助理研究员 Adi Hanuka。(来源:phys.org)研究人员通过将预测的模拟数据与直线加速器相干光源(LCLS)X射线激光、升级版的LCLS-II和以及先进的加速器实验测试设施(FACET-II)三种设备得到的实验数据进行比较,证明了该方法的有效性。结果表明,新的基于机器学习的方法在超出传统工具能力的情况下会有所帮助。在LCLS-II实验中,神经网络可以提供有关机器每秒产生的每百万个电子脉冲的详细信息,这是前所未有的脉冲速率,超出了当前检测技术的极限。虚拟诊断程序还可以提供有关FACET-II高强度光束的准确信息,这在使用物理设备进行分析时很难做到。