強流離子束傳輸和加速束流動力學

1、973課題一例會,趙亞亮2014.05.07,目錄,參與任務情況任務完成情況代碼開發(fā)平臺的建立已有代碼功能分析新開發(fā)程序的物理要求程序開發(fā)進展問題下一步工作計劃,參與的總體任務總體，包括物理要求、軟件集成（王志軍、趙亞亮）代碼開發(fā)平臺建立和維護（趙亞亮）CPU模塊 （趙亞亮+兩個研究生）本次例會前應完成的任務已有軟件的構架和功能分析；（趙亞亮、齊新、張小虎、王志軍）提出物理要求，包含待開發(fā)的功能模塊和發(fā)展計劃

2、；提出基本的軟件構架。,參與任務情況,任務完成情況,代碼開發(fā)平臺的建立完成本地的svn服務器的搭建，以及帳號、密碼、權限的設置目前已開發(fā)的代碼已加入到svn版本庫，擁有賬號、密碼的用戶可以通過svn checkout https://192.168.36.121/svn/Track_t/ Track_t  --username user檢索到本地，也可以通過https://zhaoyl/svn/Track_t/ 從網頁

3、上打開代碼更改后上傳之前，要先update到最新版本再上傳，發(fā)生沖突時先將沖突引導本地，確認最終版本后再上傳建議：每次代碼更改，在更改位置標明作者、時間，并簡單描述意圖；版本上傳時，也簡單描述更改內容,,,所外登陸：vpn http://www.ihep.cas.cn/jgsz/kyxt/div7/fuwu/suonei/vpn/,,任務完成情況,已有代碼功能分析PADSCMatrix跟蹤（quad、drift、gap）多粒

4、子跟蹤（field map）匹配（根據lattice周期結構，得到與之匹配的Twiss）均溫優(yōu)化（尚未用多粒子跟蹤校驗）其他輔助功能（計算任意兩點之間的相移等）LinacOptT-code PIC算法（GPU程序）BeamPath,,,任務完成情況,已有代碼功能分析T-code PIC算法（GPU程序）GPU程序常用加速元件的多粒子跟蹤（四極鐵、drift、gap、RFQ）數據后處理,,已有代碼功能分析BeamPa

5、thend-to-end 模擬 （ 輸出方式：z-code , t-code） 接受度計算 變步長計算 變頻率計算束流反向演化組合誤差分析本征發(fā)射度計算Particle-in-Cell 空間電荷效應極化束模擬 RFQ for beam funneling,任務完成情況,新開發(fā)程序的物理要求(參考TraceWi n)圖形界面矩陣跟蹤多粒子跟蹤誤差分析匹配軌道矯正（可屬于匹配）圖形化數據后處理O

6、thers。。。,束流跟蹤元件：四極鐵、螺線管；加速間隙、腔；Circular or rectangular aperture；束測元件；漂移段；場分布（靜電場、靜磁場、RF電磁場及其疊加）；Funneling gap；RFQ ；Space charge compensation,,束流匹配目標：算法Owner（？）單純形法（線性規(guī)劃算法）依據矩陣跟蹤結果多粒子（partran）跟蹤結果,,,誤差分

7、析Input beam errorsbend errorscavity errorsRFQ errorsQuadrupole errors,數據后處理：在某一位置或者元件出口的粒子分布單位長度相移、周期相移束流密度分布 Hofmann圖 磁鐵梯度或者強度Field_map viewer矯正子強度、周期長度、腔功率、能量及其增益變化、加速場、腔壓、接受度、field map factor、流強、包絡、發(fā)射度、束損、

8、束暈、剝離損失率、tune depression,,程序開發(fā)進展Matrix跟蹤，元件包括drift、gap、quad、solenoid，元件矩陣參考Trace3d和TraceWin遺傳算法庫（nsga）的引入和用于匹配時的驗證依賴的庫：CLHEP（2.1.3），nsga（2），FFTW（多粒子跟蹤）,,已有程序架構,Probe類,用于記錄束流狀態(tài)，以及Twiss參數，線性空間電荷力,粒子類,,,beam類,記錄束流粒子狀態(tài)，用于

9、多粒子跟蹤,用于記錄單粒子信息,,Twiss參數,,,,,,已有程序架構,spacecharge類,FFT算法類,其他,橢圓邊界,開放邊界,,,,包含的類輸入文件的格式Element文件用于遺傳算法參數的輸入文件,,,,用遺傳算法(nsga)進行束流匹配研究全局、多目標、多變量算法原理：參考遺傳學理論，首先產生一個種群，種群中個體按照一定的優(yōu)劣標準和算法進行優(yōu)劣排序，找到這一代個體中最優(yōu)的，通過交叉、變異產生下一代，依

10、次類推，找到最優(yōu)的個體。 變異率越高，收斂越慢；變異率太低容易收斂到局部最優(yōu)而不是全局最優(yōu),,用遺傳算法進行束流匹配研究可行性驗證：跟蹤一段加速結構（D+G+Q），得到出口的Twiss參數（ProbeF），將其中一個（或多個）四極鐵的梯度G變?yōu)?，以ProbeF的Twiss參數作為的目標，以加速段中的quad作為變量，用nsga進行匹配，可以很容易找到G。目標函數：2個：橫向失配參數取得最小值限制條件：2個：橫向失配參數小于0

11、.1變量個數：4個：4塊四極鐵梯度缺點：循環(huán)迭代結束條件比較單一,,將Q4設置為0，初始種群大小是100，經過100代遺傳，可以找到失配參數小于0.1的解,,,Q2、Q3、Q4=0,Q1、Q2、Q3、Q4=0,Q4=0,Q3、Q4=0,問題,T-code 多粒子跟蹤，以元件為單位是否合理？,下一步工作計劃,將該程序遺傳算法用于ADS加速段之間的匹配針對大家對已有結構提出的意見和建議，盡快完善矩陣計算部分開始進行多粒子跟蹤部分,,