Determination of magnet parameter errors based on machine learning for the NICA collider

Abstract

В работе рассматриваются различные модели машинного обучения для определения погрешности параметров магнитов в бустерном синхротроне, который выступает в качестве одной из составных частей «Комплекса NICA». Погрешностями являются параметры смещения дипольных магнитов относительно осей x, y (DX, DY), а также поворот магнитов относительно оси движения пучка заряженных частиц (DPSI). Для каждого параметра сгенерированы датасеты, в которых присутствуют параметры погрешности для двух, десяти или сорока магнитов и значения траектории пучка заряженных частиц, снятые на пикап-мониторах. Построены модели линейной, полиномиальной регрессии, модель многослойного перцептрона, оценено их качество.

The article considers various machine learning models for determining the error of magnet parameters in a booster synchrotron, which acts as one of the components of the complex "NICA”. The errors are the parameters of the displacement of the dipole magnets relative to the x, y (DX, DY) axes, as well as the rotation of the magnets relative to the axis of motion of the charged particle beam (DPSI). Datasets have been generated for each parameter, in which there are error parameters for two, ten or forty magnets and the values of the trajectory of the charged particle beam taken on pickup monitors. Linear and polynomial regression models, a multilayer perceptron model are constructed, and their quality is evaluated.