KaydedilenlerDerginizi ekleyin

Dergiler / Karadeniz Fen Bilimleri Dergisi / 2023 / Cilt: 13 Sayı: 3

Gerçek Kodlu Genetik Algoritma ile Optimum Geçiş Sürelerinin Hesaplanması

Calculation of Optimum Transit Times with Real-Coded Genetic Algorithm

Nimet IŞIK
Sayfa
833–842
Yayın Tarihi
2023-09-15
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmanın sonuçları, genetik algoritmanın geniş bir veri kümesinde zaman çözünürlük değerlerini yüksek doğrulukla verdiğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Elektron enerjisi analizörleri, belirli enerjilerdeki yüklü parçacık ışınlarını analiz etmek için tasarlanmıştır.
📊
Temel Bulgular & Veri:Tasarım, farklı enerjilerdeki elektronların dedektöre farklı zamanlarda ulaşması prensibine dayanmaktadır.
💡
Sonuç & Katkı:Bu çalışmanın sonuçları, genetik algoritmanın geniş bir veri kümesinde zaman çözünürlük değerlerini yüksek doğrulukla verdiğini göstermektedir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Elektron spektroskopisi · elektron demeti · enerji analizörü

Özet

Elektron enerjisi analizörleri, belirli enerjilerdeki yüklü parçacık ışınlarını analiz etmek için tasarlanmıştır. Tasarım, farklı enerjilerdeki elektronların dedektöre farklı zamanlarda ulaşması prensibine dayanmaktadır. Farklı enerjilere sahip elektronlar bu analizörlerde farklı yörüngeler takip ettiğinden. Çarpışma deneylerinde yüklü parçacıkların analizördeki yörüngelerinin ve geçiş sürelerinin belirlenmesi çok önemlidir. Bu çalışmada, yüklü parçacıkların geçiş süreleri için gerçek kodlu bir genetik algoritma kullanılarak optimum çözümler sağlanmıştır. Bu çalışmada hiper parametreler ve genetik algoritma türleri deneme yanılma yöntemleri kullanılarak elde edilmiştir. Bu çalışmanın sonuçları, genetik algoritmanın geniş bir veri kümesinde zaman çözünürlük değerlerini yüksek doğrulukla verdiğini göstermektedir. Sonuçlar, genetik algoritmaların (GA) arama ve optimizasyon problemlerini çözmek için ilgi çekici bir yaklaşım olduğunu göstermektedir.

Abstract

Electron energy analysers have been designed to analyse charged-particle beams at specific energies. The design is based on the principle that electrons with different energies arrive at the detector at different times. Since electrons with different energies follow different orbits within these analysers. In collision experiments, it is very important to determine the trajectories and transit times of the charged particles in the analyser. In this study, optimum solutions for transit times of charged particles were provided using a real-coded genetic algorithm. Hyper parameters and types of genetic algorithm were obtained using trial and error methods, in this study. The results of this study indicate that genetic algorithm gives time resolution values in a wide data set with high accuracy. The results show that genetic algorithms (GA) are a fascinating approach for solving search and optimization problems.

🔖

Bu Makaleye Atıf Yap

IŞIK, N. (2023). Gerçek Kodlu Genetik Algoritma ile Optimum Geçiş Sürelerinin Hesaplanması. Karadeniz Fen Bilimleri Dergisi, Cilt: 13 Sayı: 3, 833–842. https://ajindex.com/articles/961788

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Baguenard B., Wills J. B., Pagliarulo F., Lépine F., Climen B., Barbaire M., Clavier C., Lebeault M. A., Bordas C., (2004). Velocity-map imaging electron spectrometer with time resolution, Rev Sci Instrum 75, 324–328.
  2. Caprari, R. S., (1995). Exit position and transit-time analysis of hemispherical electrostatic analysers, Measurement Science & Technology, 6(7), 1063–1064.
  3. Davis, L., (1991).
  4. Handbook of genetic algorithms, Dogan, M., Sise O., Ulu M., (2007). Design of electron energy analyzers for electron impact studies, Radiation Physics and Chemistry 76 445-449.
  5. Goldberg, D.E., (1989). Genetic algorithms in search optimization and machine learning. Addison Wesley, Reading Menlo Park. Goldberg, D.E., Holland, J.H. (1988). Genetic algorithms and machine learning. Machine learning; 3: 95-99.
  6. Heddle, D.W.O., (2000).
  7. Electrostatic Lens Systems, IOP Press,
  8. London, Imhof, R. E., Adams A., King G. C., (1976) Energy and time resolution of the 180 degrees hemispherical electrostatic analyser, Journal of Physics E 9 138. Ince, M., Isik, N., (2020) Optimization of Base Energy Resolution in Hemispherical Deflector Analyzer by using Genetic Algorithm, Celal Bayar University Journal of Science 16 345-349. Isik N., (2016). Determination of Electron Optical Properties for Aperture Zoom Lenses Using an Artificial Neural Network Method, Microscopy and Microanalysis 22 458-462.
  9. Isik, A.H. (2015a). The investigation of electron-optical parameters using artificial neural networks. Acta Phys Pol A 127, 1317–1319.
  10. Isik, A.H. (2015b). Prediction of two-element cylindrical electrostatic lens parameters using dynamic artificial neural network Acta Phys Pol A 127, 1717–1721.
  11. Isik, A.H., Isik N., (2016a). Time Series Artificial Neural Network Approach for Prediction of Optical Lens Properties 129 514-516.
  12. Isik, N., Isik, A. H., Sise O., Guvenc U., (2017). Prediction of First Order Focusing Properties of Ideal Hemispherical Deflector Analyzer Using Artificial Neural Network”, APhysPolA,131, Isik, N., Isik, A.H., (2016b). Classification of Electron Gun Operation Modes Using Artificial Neural Networks, Acta Phys. Pol. A 129, 628 Jiang, J., Chen M. and Fan J. A. (2020). Deep neural networks for the evaluation and design of photonic devices, Nature Reviews Materials, 6(8). Kugeler, O., Marburger S., and Hergenhahn U., (2003). Calculation and measurement of the time-of-flight spread in a hemispherical electron energy analyzer, Review of Scientific Instruments, vol. 74, no. 9, pp. 3955–396