Machine Learning Based Optimization of Laser-Plasma Accelerators
Sorozatcím: Springer Theses;
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 181.89
-
77 157 Ft (73 483 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 6 173 Ft off)
- Discounted price 70 985 Ft (67 604 Ft + 5% áfa)
77 157 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Springer
- Megjelenés dátuma 2025. június 25.
- Kötetek száma 1 pieces, Book
- ISBN 9783031880827
- Kötéstípus Keménykötés
- Terjedelem138 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk 64 Illustrations, black & white 700
Kategóriák
Rövid leírás:
This book explores the application of machine learning-based methods, particularly Bayesian optimization, within the realm of laser-plasma accelerators. The book involves the implementation of Bayesian optimization to fine tune the parameters of the lux accelerator, encompassing simulations and real-time experimentation.
In combination, the methods presented in this book provide valuable tools for effectively managing the inherent complexity of LPAs, spanning from the design phase in simulations to real-time operation, potentially paving the way for LPAs to cater to a wide array of applications with diverse demands.
TöbbHosszú leírás:
This book explores the application of machine learning-based methods, particularly Bayesian optimization, within the realm of laser-plasma accelerators. The book involves the implementation of Bayesian optimization to fine tune the parameters of the lux accelerator, encompassing simulations and real-time experimentation.
In combination, the methods presented in this book provide valuable tools for effectively managing the inherent complexity of LPAs, spanning from the design phase in simulations to real-time operation, potentially paving the way for LPAs to cater to a wide array of applications with diverse demands.
TöbbTartalomjegyzék:
Principles of Laser-Plasma Acceleration.- Bayesian Optimization.- Bayesian Optimization of Plasma Accelerator Simulations.- Experimental Setup: The LUX Laser-Plasma Accelerator.- Bayesian Optimization of a Laser-Plasma Accelerator.- Tuning Curves for a Laser-Plasma Accelerator.- Conclusion.
Több
