Ce projet développe des modèles de substitution (surrogate models) pour prédire les paramètres scalaires d'un faisceau laser-plasma, tels que l'énergie médiane, la charge, la dispersion d'énergie et l'émittance transverse normalisée. Ces prédictions s'appuient sur des configurations cibles d'accélérateurs laser-plasma définies par des paramètres physiques comme la position du point focal du laser, le potentiel vectoriel normalisé ou la concentration d'azote. Les modèles sont entraînés sur des données de simulations PIC post-traitées et permettent d'explorer des configurations optimales pour la conception d'accélérateurs.

Ce projet soutient des recherches en physique des plasmas et accélérateurs laser en fournissant des outils pour simuler et optimiser des cibles à gaz à deux chambres. Il traite des données issues de simulations CFD et PIC, génère des profils adaptés pour des expériences laser-plasma, et utilise des méthodes d'optimisation bayésienne pour maximiser des fonctions de mérite liées à l'énergie et à la qualité des électrons produits.

Ce projet propose une approche progressive pour optimiser les configurations de sources d'électrons générées par accélération laser-plasma. Il utilise des simulations numériques à faible fidélité pour explorer des paramètres physiques complexes, facilitant ainsi l'analyse des données et la reproductibilité scientifique. Les résultats permettent d'élargir les ensembles de données, d'entraîner des modèles d'apprentissage automatique et de comparer les résultats avec d'autres codes de simulation.

Bibliothèque Python dédiée à l'analyse et au post-traitement des données issues de simulations de l'accélération plasma laser par injection d'ionisation. Elle permet d'extraire et de calculer les paramètres clés des faisceaux d'électrons générés lors de simulations PIC réalisées avec le code SMILEI.