Mithilfe von Methoden des maschinellen Lernens hat ein Forschungsteam am DESY einen Plasmateilchenbeschleuniger darauf trainiert, maßgeschneiderte Strahlen für verschiedene Anwendungen zu liefern. Während für bestimmte medizinische Anwendungen der Fokus auf der Energie des Strahls liegt, spielt in physikalischen Experimenten eher seine Ladung eine Rolle. Diese Eigenschaften bei kompakten Plasmabeschleunigern einzustellen, ist derzeit eine Herausforderung, da ihre Steuerung von verschiedenen Eingangsparametern mit hochgradig nichtlinearen Beziehungen zu den Ausgangsgrößen abhängt. Der Ansatz des DESY-Teams zeigt, dass die Optimierung mit maschinellem Lernen die Einstellung der gewünschten Strahleigenschaften ermöglicht, ohne andere Parameter zu verschlechtern. Dazu wurden GPU-Ressourcen des DESY-HPC-Clusters Maxwell eingesetzt. Die Forschenden um Sören Jalas haben ihren Ansatz im Fachblatt „Physical Review Accelerators and Beams“ veröffentlicht. Weitere Informationen: desy.de/plasmabeschleuniger-steuern .