معرفی شرکت ها

accinv-0.1.0.post1

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.1.0.post1
0.1.0
0.1.0.post1
0.1.0

توضیحات

Python project for inverse modeling of accelerator lattices
ویژگی مقدار
سیستم عامل -
نام فایل accinv-0.1.0.post1
نام accinv
نسخه کتابخانه 0.1.0.post1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Dominik Vilsmeier
ایمیل نویسنده d.vilsmeier@gsi.de
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/accinv/
مجوز GNU General Public License 3
<!--- SPDX-FileCopyrightText: 2022 Dominik Vilsmeier SPDX-License-Identifier: GPL-3.0-or-later --> [![Documentation Status](https://readthedocs.org/projects/accinv/badge/?version=latest)](https://accinv.readthedocs.io/en/latest/) [![PyPI versions](https://img.shields.io/pypi/v/accinv.svg)](https://pypi.org/project/accinv/) [![PyPI pyversions](https://img.shields.io/pypi/pyversions/accinv.svg)](https://pypi.org/project/accinv/) # (acc)<sup>-1</sup> *accinv - Python project for inverse modeling of accelerator lattices* ----- **Note:** This project is in proof-of-concept stage and therefore lacks more advanced features of some of the implemented methods. ----- In its current state, the package provides functionality for inverse modeling of linear optics via fitting of orbit response matrix (ORM) data, typically referred to as linear optics from closed orbits. It supports [`cpymad`](https://pypi.org/project/cpymad/) as a backend. The main class is `accinv.loco.Loco` which requires one of the models from `accinv.model`, as well as a method for computing Jacobians, as an argument. Two methods for Jacobian computation are available. * `AnalyticalJacobianMethod`: This method uses an analytical formula to compute the Jacobian of the ORM with respect to quadrupole gradient errors and BPM and steerer gain errors. The data for the analytical formula is obtained from a single Twiss call for the current lattice configuration. * `NumericalMJacobianMethod`: This method uses a finite difference approximation scheme to compute the Jacobian of the ORM with respect to the quadrupole gradient errors. Thus, the number of ORMs that will be computed is proportional to the number of quadrupoles. The inverse modeling process can be started by creating a `Loco` object and calling its `run` method: ```py from accinv.jacobian import AnalyticalJacobianMethod from accinv.loco import Loco, OrmMeasurement from accinv.model import Madx model = Madx(path='path/to/script.madx') loco = Loco( model_and_jacobian_method=(model, AnalyticalJacobianMethod), quadrupoles=[...], # names of quadrupoles hbpms=[...], # names of horizontal BPMs hsteerers=[...], # names of horizontal steerers vbpms=[...], # names of vertical BPMs vsteerers=[...], # names of vertical steerers orm_measurement=OrmMeasurement( orm=np.load('path/to/measured_orm.npy'), uncertainty=np.load('path/to/orm_uncertainty.npy'), ), ) result = loco.run() ``` Please consider the documentation of the [`Loco` class](https://accinv.readthedocs.io/en/latest/api/accinv.loco.html#accinv.loco.Loco) for more details.


نیازمندی

مقدار نام
- click
- cpymad
- numpy
- scipy
>=4.0.0 typing-extensions
- flake8
- mypy
- pre-commit
- reuse
- sphinx
- pytest


نحوه نصب


نصب پکیج whl accinv-0.1.0.post1:

    pip install accinv-0.1.0.post1.whl


نصب پکیج tar.gz accinv-0.1.0.post1:

    pip install accinv-0.1.0.post1.tar.gz