Advanced

Auto focus for electrons

Salman, Majd LU (2011) FYSK01 20111
Synchrotron Radiation Research
Abstract (Swedish)
Autofokus för elektroner

Människan har alltid varit intresserad av att studera förlopp som skett så snabbt att de inte gått att observera med blotta ögat. Med hjälp av kameror med korta slutartider kan man frysa ett ögonblick i tiden. Processer i atomer och molekyler sker på en helt annan tidsskala än den vi är vana att fotografera. Atomerna lever i en värld där saker sker så fort att man behöver extremt korta ljusblixtar för att kunna fånga ögonblicket. Sådana korta ljusblixtar kallas för attosekundpulser. En attosekund är så kort att alla kemiska och atomära processer ser ut att vara frysta under denna korta tid.

Elektronernas rörelse i och mellan atomer och molekyler är viktig att studera eftersom den avgör många kemiska... (More)
Autofokus för elektroner

Människan har alltid varit intresserad av att studera förlopp som skett så snabbt att de inte gått att observera med blotta ögat. Med hjälp av kameror med korta slutartider kan man frysa ett ögonblick i tiden. Processer i atomer och molekyler sker på en helt annan tidsskala än den vi är vana att fotografera. Atomerna lever i en värld där saker sker så fort att man behöver extremt korta ljusblixtar för att kunna fånga ögonblicket. Sådana korta ljusblixtar kallas för attosekundpulser. En attosekund är så kort att alla kemiska och atomära processer ser ut att vara frysta under denna korta tid.

Elektronernas rörelse i och mellan atomer och molekyler är viktig att studera eftersom den avgör många kemiska egenskaper hos material. Den ger oss också insikter om hur grundläggande processer fungerar på dessa skalor. När ljus eller fotoner (ljuskvanta) träffar en atom så kan de absorberas och slå ut elektroner som är bundna till atomen, och jonisera den. Om man vet i vilken riktning och med vilken energi som elektronen skickades iväg så kan man räkna ut vad som hände precis innan elektronen lämnade sin atom.

För att kunna bestämma, vilken energi och riktning elektronerna har så kan man använda en rörelsemängdsspektrometer. Den består av en metallcylinder med flera runda elektroder. En gas man vill studera injiceras i spektrometern och attosekund-pulser skjuts in i gasen och joniserar dess atomer. Genom att ställa in spänningarna över de olika elektroderna i spektrometern så kan man skapa elektrostatiska linser, med vilka man kan styra elektronerna. Målet är att alla elektroner med en viss riktning och energi ska hamna på samma punkt på en detektor. Precis som man med en vanlig kamera vill fokusera ljus så att man får en skarp bild så vill man fokusera elektronerna så att man får en skarp bild. Spektrometern fungerar alltså som en kamera för elektroner.

De flesta moderna kameror har inbyggd autofokus som hittar rätt inställningar för att få en skarp och bra bild. Målet med det här arbetet har varit att skapa en liknande autofokus för spektrometern. Ett antal olika parametrar (knappar och rattar på kameran) styr hur elektronerna fokuseras på detektorn. Antalet parametrar kan i praktiken vara ganska stort. Därför har jag undersökt olika metoder som automatiskt letar efter bra inställningar bland en stor mängd möjligheter. Detta har åstadkommits med hjälp av datorsimuleringar av spektrometern. Det är ett svårt problem att hitta bra inställningar eftersom målet är att hitta lösningar som fungerar bra för flera olika energier. Bland annat presenterar jag en genetisk algoritm, en metod som är inspirerad av biologisk evolution, som en möjlig lösning på problemet.

Resultatet av det här arbetet är flera olika datorprogram som kan användas av forskare som arbetar med spektrometern. Ett program kan användas för att simulera spektro-metern och visa resultatet av olika inställningar. Ett annat program kan hjälpa till att hitta de bästa inställningarna när man vill undersöka en viss typ av atomer eller molekyler. (Less)
Abstract
Conclusion

The results from the optimization with GA shows that there is no noticeable
difference between optimizing for arithmetic and geometric mean of the resolution.
The idea behind using the geometric mean is that it would lend smaller
importance to outlier values. Both settings found about the same range of values
for VBend, VTweak and VExt, with comparable standard deviations. When
optimizing for the new resolution measure and taking either the geometric or
arithmetic mean of the resolution between the energies, the other type of mean
is also displayed in table 4. When optimizing for the arithmetic mean, the same
result, calculated as a geometric mean can be compared to the case where we
actually optimized for the... (More)
Conclusion

The results from the optimization with GA shows that there is no noticeable
difference between optimizing for arithmetic and geometric mean of the resolution.
The idea behind using the geometric mean is that it would lend smaller
importance to outlier values. Both settings found about the same range of values
for VBend, VTweak and VExt, with comparable standard deviations. When
optimizing for the new resolution measure and taking either the geometric or
arithmetic mean of the resolution between the energies, the other type of mean
is also displayed in table 4. When optimizing for the arithmetic mean, the same
result, calculated as a geometric mean can be compared to the case where we
actually optimized for the geometric mean. The result shows that there is no
difference in the quality of solutions between the two. In both cases the GA
found solutions with better resolution values than the manually found solution.
The GA found quite similar values for VExt, but more varying values for VBend
and VTweak. This is because there is a trade off between high values for VBend
and low values for VTweak. This is easy to understand because both parameters
tend to shrink the image on the detector. So a higher VBend can be compensated
for with a lower VTweak to give a similar resolution value. Although for different
energies, this trade off can be seen in figure 18.
The result for the pattern search algorithm were, as expected, very sensitive
to the initial starting point. In the four cases the pattern search did not find
31
parameter values that were better than the ones found by the GA. The pattern
search is probably still useful if an informed guess is made for the start values
instead of choosing random ones. It could for example be used to find an even
better optimum near some experimentally found value. This test was however
done to compare the performance when searching for a global optimum. Since
the GA starts with a random population, so should the pattern search start at
random point so a comparison can be made. (Less)
Please use this url to cite or link to this publication:
author
Salman, Majd LU
supervisor
organization
course
FYSK01 20111
year
type
M2 - Bachelor Degree
subject
language
English
id
2018819
date added to LUP
2011-07-04 12:29:26
date last changed
2011-07-04 12:29:26
@misc{2018819,
  abstract     = {Conclusion

The results from the optimization with GA shows that there is no noticeable
difference between optimizing for arithmetic and geometric mean of the resolution.
The idea behind using the geometric mean is that it would lend smaller
importance to outlier values. Both settings found about the same range of values
for VBend, VTweak and VExt, with comparable standard deviations. When
optimizing for the new resolution measure and taking either the geometric or
arithmetic mean of the resolution between the energies, the other type of mean
is also displayed in table 4. When optimizing for the arithmetic mean, the same
result, calculated as a geometric mean can be compared to the case where we
actually optimized for the geometric mean. The result shows that there is no
difference in the quality of solutions between the two. In both cases the GA
found solutions with better resolution values than the manually found solution.
The GA found quite similar values for VExt, but more varying values for VBend
and VTweak. This is because there is a trade off between high values for VBend
and low values for VTweak. This is easy to understand because both parameters
tend to shrink the image on the detector. So a higher VBend can be compensated
for with a lower VTweak to give a similar resolution value. Although for different
energies, this trade off can be seen in figure 18.
The result for the pattern search algorithm were, as expected, very sensitive
to the initial starting point. In the four cases the pattern search did not find
31
parameter values that were better than the ones found by the GA. The pattern
search is probably still useful if an informed guess is made for the start values
instead of choosing random ones. It could for example be used to find an even
better optimum near some experimentally found value. This test was however
done to compare the performance when searching for a global optimum. Since
the GA starts with a random population, so should the pattern search start at
random point so a comparison can be made.},
  author       = {Salman, Majd},
  language     = {eng},
  note         = {Student Paper},
  title        = {Auto focus for electrons},
  year         = {2011},
}