معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

DiPAS is a framework for differentiable simulations of particle accelerators.

ویژگی	مقدار
سیستم عامل	-
نام فایل	DiPAS-2.0
نام	DiPAS
نسخه کتابخانه	2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Dominik Vilsmeier
ایمیل نویسنده	d.vilsmeier@gsi.de
آدرس صفحه اصلی	https://gitlab.com/Dominik1123/dipas
آدرس اینترنتی	https://pypi.org/project/DiPAS/
مجوز	GPL-3.0

<div align="center"> <a href="https://gitlab.com/Dominik1123/dipas"> <img alt="dipas-logo" src="https://gitlab.com/Dominik1123/dipas/-/raw/develop/logo/logo.png" width="30%" style="display: block; margin-left: auto; margin-right: auto;" > </a> </div> [![pipeline](https://gitlab.com/Dominik1123/dipas/badges/develop/pipeline.svg)](https://gitlab.com/Dominik1123/dipas/-/commits/develop) [![coverage](https://gitlab.com/Dominik1123/dipas/badges/develop/coverage.svg)](https://gitlab.com/Dominik1123/dipas/-/commits/develop) [![pypi](https://img.shields.io/pypi/v/dipas.svg)](https://pypi.org/project/DiPAS/) [![python](https://img.shields.io/pypi/pyversions/dipas.svg?style=flat-square)](https://pypi.org/project/dipas/) ----- **DiPAS** is a program for differentiable simulations of particle accelerators. It acts as a framework and thus supports a wide range of use cases such as [particle tracking](https://dipas.readthedocs.io/en/stable/usage/tracking.html) or [optics calculations](https://dipas.readthedocs.io/en/stable/usage/optics.html) such as closed orbit search or computation of Twiss parameters. The involved computations are backed by the [PyTorch](https://pytorch.org/) package which also provides the relevant functionality for differentiation of user-defined quantities as well as a variety of gradient-based optimizers that integrate with the thus derived quantities. The DiPAS program can [parse MADX](https://dipas.readthedocs.io/en/stable/usage/building.html#Parsing-MADX-scripts) lattice definitions and hence allows for zero-overhead importing of existing lattices. In addition, it supports [custom lattice definitions](https://dipas.readthedocs.io/en/stable/usage/building.html#Using-the-build-API) from provided element classes. DiPAS can also be used via command line interface, see [`dipas --help`](https://dipas.readthedocs.io/en/stable/usage/cli.html) for more information. ## Relevant links * [Documentation](https://dipas.readthedocs.io/) * [Examples](https://gitlab.com/Dominik1123/dipas/blob/master/examples) * [PyPI Project](https://pypi.org/project/dipas/) ## Example usage Minimizing loss along beamline by tuning quadrupoles: ```py import numpy from dipas.build import from_file from dipas.elements import Quadrupole import torch lattice = from_file('example.madx') for quad in lattice[Quadrupole]: quad.k1 = torch.nn.Parameter(quad.k1) optimizer = torch.optim.Adam(lattice.parameters(), lr=1e-3) particles = torch.from_numpy(numpy.load('particles.npy')) while True: tracked, loss_val = lattice.linear(particles, recloss='sum') lost = 1 - tracked.shape[1] / particles.shape[1] if lost < 0.01: # Fraction of particles lost less than 1%. break optimizer.zero_grad() loss_val.backward() optimizer.step() ```

نیازمندی

مقدار	نام
>=7.1	click
>=0.3.2	click-inspect
>=2.10.1	jinja2
-	matchable
-	matplotlib
>=1.21.0	numpy
>=0.25.1	pandas
>=0.9	pint
-	rich
>=1.5.0	scipy
>=1.10.0	torch
>=3.7.4	typing-extensions

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl DiPAS-2.0:

pip install DiPAS-2.0.whl

نصب پکیج tar.gz DiPAS-2.0:

pip install DiPAS-2.0.tar.gz