Optimization of rf voltage patterns for particle accelerators using deep reinforcement learning

• Project/Area Number: 24K07074
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 15020:Experimental studies related to particle-, nuclear-, cosmic ray and astro-physics
• Research Institution: Japan Atomic Energy Agency
• Principal Investigator: 田村 文彦 国立研究開発法人日本原子力研究開発機構, J－PARCセンター, 研究主幹 (90370428)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2025: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000); Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
• Keywords: 陽子シンクロトロン / 高周波加速（RF） / 深層強化学習

Outline of Research at the Start

陽子シンクロトンでは,加速開始から終了まで高周波電圧をパターンとして変化させる。大強度陽子加速器では,加速基本波に加え2倍高調波を加える運転が行われているが、2倍高調波の電圧パターンは手作業による最適化が行われているのが現状であり、より多数のハーモニクスを用いた運転を行う場合には、従来の手法では最適化が困難である。本研究では、RF 電圧パターンの生成、最適化に深層強化学習を応用することを目的とする。深層機械学習は手順の最適化に適した手法であり、パターンの最適化への応用が可能である。深層強化学習による電圧パターン生成、最適化の実証から始め、複数のハーモニクスの電圧パターンに拡張を行っていく。