基于生成对抗网络的横向束流截面超分辨率诊断技术研究

In terms of accurately measuring the small transverse beam size of a low-emittance synchrotron light source, a direct beam profile imaging measurement using synchrotron radiation is taken as the research object. The method of generative advesarial networks is proposed to study the super-resolution Diagnostic techniques for transverse beam profile. By analyzing the mechanism of imaging with synchrotron radiation emitted by single relativistic electron moving along the curved orbit as the point spread function on the transverse beam profile resolution, the deconvolution of the transverse beam profile image by the generative advesarial networks is carried out to remove the diffraction effect, curvature Orbit ,depth of field and other effects, otherwise exceed the limitation of image sesor pixel size . Finaly, the super resolution of the beam profile distribution image is given. This project is expected to reveal a new method to improve the resolution of transverse beam profile measurement, to achieve accurate measurement of the transverse beam micro-size of the low-emittance synchrotron light source,high resolution measurements of the shape of the beam profile and the beam position , on the basis of which can be carried out to monitor the emittance, the coupling, beam orbit and beam instability, and play an important role for improving the performance of storage ring and light source . The research results of this project can not only be applied to Hefei light source, but also be widely used in other accelerators at home and abroad.

针对低发射度同步辐射光源的微小横向束流尺寸的精确测量问题，以利用同步辐射直接成像测量横向束流截面为研究对象，提出采用生成对抗网络的方法研究横向束流截面的超分辨率诊断技术。通过分析单个相对论电子沿弯曲轨道的同步辐射传播成像后的强度分布作为点扩散函数对横向束流截面分辨率的作用机理，开展利用生成对抗网络对横向束流截面图像进行反卷积处理去除衍射效应、弯曲轨道、景深等影响，并突破图像传感器像元尺寸的限制，给出超分辨率的横向束流截面分布图像。本项目预期将揭示一种新的提高横向束流截面测量分辨率的方法，实现对低发射度同步辐射光源的微小横向束流尺寸的精确测量、束流横截面形状及束流位置的高分辨率测量，在此基础上可进行对光源发射度、耦合度、束流轨道及束流不稳定性的监测，为提高储存环和光源性能发挥重要作用。该项目的研究成果不仅可以应用于合肥光源，而且可广泛应用于国内外其他加速器上。

基于衍射极限存储环的第四代光源的电子束的发射度通常为几十个皮米弧度，其所对应的光源点处束流在横向完全相干，横向截面尺寸约为几个微米的量级，在此范围内对横向截面进行高分辨率的测量对于确定超低发射度束流是否稳定产生和光源亮度的提高优化等起着至关重要的作用。然而基于同步辐射的束流截面非拦截测量方法受光学系统的分辨率限制，对几微米甚至更小截面的高分辨率测量是一个挑战。申请人前期的研究结果表明，可以通过对单电子点扩散函数（PSF）进行建模，并通过数值计算仿真得到其在像平面处的强度分布，然后结合测得的束流截面图像通过反卷积算法或卷积拟合去除点扩散函数重建得到真实的束流截面分布，以此可以改进束流截面测量的分辨率。本项目在前期工作的基础上，提出采用深度学习中生成对抗网络的方法替代传统方法，以克服传统方法结果易受迭代次数影响、实时性差、噪声放大等问题。通过对弯铁同步辐射成像系统PSF的分析及精确建模技术，构造生成对抗网络模型的训练样本，在条件生成对抗网络技术的基础上，以U-Net网络构建生成模型，提出在生成模型的解码模块中引入多尺度多分辨的渐进结构技术，从而能够稳定地生成高分辨率束流横向截面图像，使得生成网络在完成反卷积的同时突破CCD像元尺寸的限制，实现束流横向截面的超分辨率重建。利用GPU加速对所提模型的训练速度提升了约20倍，提高了模型设计验证的效率，所训练完成的模型在离线推理测试中验证了可以在成像系统光学放大倍率有限的情况下实现亚微米量级分辨率的测量。为了提高推理计算的实时性，进一步开展了定制化实时推理加速计算板卡的研制工作。此研究为在可见光的范畴内实现对束流横向截面的实时高分辨率诊断、规避复杂方法所带来的系统高复杂度及高昂的系统造价等问题上提供重要的技术参考和依据。