Sauter au contenu principal

DD@ESPPU

Europe/Paris
Description

zoom : 

https://cern.zoom.us/j/64177076773?pwd=Z7DNoyY9EIJ168Z5qG5AdIHaRzL5zf.1

 

https://docs.google.com/document/d/1oowNS_QzsNbuNkVplvOzo_pq5Fn2qpFhmOhDBZnoCkI/edit

    • 10:00 10:05
      Introduction 5m
      Orateur: Samuel Calvet (LPC)
    • 10:05 11:05
      Vos contributions: Ajouter vos idées de contributions, voire les drafts que vous avez déjà en main
      Président de session: Samuel Calvet (LPC)
      • 10:05
        Bâtiments 10m
        Orateur: Julien Faivre (UJF)
      • 10:15
        Biodiversité 10m
        Orateur: Julien Faivre (UJF)
      • 10:25
        Accélérateurs 10m
        Orateurs: Francis Osswald (IPHC), Frédéric Bouly (CNRS/IN2P3/LPSC), Dr Guillaume OLRY (IJCLab), Maud BAYLAC (CNRS-LPSC), Maud BAYLAC ({CNRS}UMR5821), Walid KAABI (IJCLab-CNRS/IN2P3)

        Maud, Frédéric, Walid, Guillaume:

        - iSAS : projet européen porté par le CNRS (IJCLab + LPSC) sur des R&D accelerateurs en vue de reduire leur consommation energetique. Ceci inclut notamment la R&D pour exploiter les cavites SRF à des températures moins basses et la récupération de l'énergie avec les accélérateurs linéaires de type energy recovery linac (ERL) + des R&D sur d'autres sous-systèmes accélérateurs pour en diminuer la conso electrique.

        - projet à risques et à impact obtenu du CNRS, ERL4ALL (porté par LPSC+IJCLab) : démonstrateur d'ERL à fort courant qui sera construit à IJCLab pour réduire la consommation electrique du linac. Ce démonstrateur servira à tester la faisabilité à fort courant d'une machine future multi tours à récupération d'énergie, qui pourrait ensuite être déployée à haute energie pour LHeC par exemple, voire FCC. Pour info, il est aussi prévu un ERL dans le projet EIC, .

        # Proposition contribution, Francis Osswald, IPHC, 03/10/2024

        Les accélérateurs de la génération actuelle présentent tous des pertes faisceau à différents degrés le long de la chaîne, de l'injection jusqu'au détecteur. 
        Bien que ces pertes soient faibles en valeur absolue (< 1 %), elles présentent des risques significatifs en termes de dysfonctionnement, de dommage, d'activation, etc. 
        Il est indispensable d'améliorer la qualité de l'instrumentation des faisceaux pour répondre aux exigences de performance des accélérateurs des générations futures et 
        d'améliorer les diagnostics [1-2]. Le contrôle des pertes doit être accompagné d'une caractérisation plus fine du halo du faisceau, notamment des distributions transverses 
        pour les futurs collisionneurs [3-5]. 
        Une avancée significative peut être réalisée grâce aux nouvelles technologies logicielles en intelligence artificielle, notamment l'apprentissage machine profond [6-7]. 
        Les développements proposés dans le cadre de l'ESPPU devraient se concentrer sur le traitement des distributions dans l'espace des phases transverses (émittances), en réalisant une analyse des données basée sur le débruitage des images, la segmentation de la région d'intérêt, et la détection des anomalies dans le halo des faisceaux. Ces efforts pourraient être menés en synergie avec une initiative européenne en cours qui vise également à rendre les futures infrastructures plus durables [8-9].  

        [1] Accelerator and Beam Physics Research Goals and Opportunities in the USA, DOE-HEP, (2021)
        [2] Accelerators for the Future, 2020-2030 French Strategic Plan for Nuclear Physics, Particle Physics, Astroparticle Physics and associated Technologies & Applications, 
        Report of the GT07 working group, 2020, https://prospectives2020.in2p3.fr/?page_id=313
        [3] Recent measurements and analysis of the beam-halo dynamics at the CERN LHC using collimators scans, C.E. Montanari et al., IPAC 2023 Venice, doi: 10.18429/JACoW-IPAC2023-WEPA022
        [4] Updated analysis of beam halo measurements in LHC run 2 and run 3, M. Rakic et al., IPAC 2024, Nashville, doi: 10.18429/JACoW-IPAC2024-THPC67
        [5] Green beam lines, a challenging concept, F. Osswald et al., arXiv:2211.09611 (2022)
        [6] Machine learning techniques for optics measurements and corrections, E. Fol, G. Franchetti, R. Tomás, IPAC 2020, Caen, France, doi: 10.18429/JACoW-IPAC2020-WEVIR12
        [7] Machine learning for beam dynamics studies at the CERN Large Hadron Collider, P. Arpaia et al., NIM A 985 (2021) 164652
        [8] Design of future colliders, R. de Maria et al., ARTEFACT workshop, 28 November 2023, Paris https://indico.in2p3.fr/event/31107/contributions/132234/
        [9] Beam distributions: signal denoising, contour reconstruction, and pattern recognition, F. Osswald et al., ARTEFACT workshop, 28 November 2023, Paris, https://indico.in2p3.fr/event/31107/contributions/132230/

         

      • 10:35
        Calcul 10m
        Orateurs: Sabine Crépé-Renaudin (IN2P3), Vladimir GLIGOROV (LPNHE), Vladimir Gligorov (LPNHE)
      • 10:45
        Références 10m
        Orateurs: Jessica Leveque (LAPP), Mélissa Ridel (Laboratoire de Physique Nucléaire et de Hautes Energies - Paris / Sorbonne Université), Nicolas Chanon (IP2I Lyon), Nicolas Chanon (IPNL)
      • 10:55
        Démarche DD 10m
        Orateur: Yann Coadou (CPPM, Aix-Marseille Université, CNRS/IN2P3)