Publication

FIRST COMPARISON STUDIES IN DYNAMIC APERTURE FOR NESTED MAGNETS AND BASELINE LATTICE IN THE FCC-ee

Tatiana Pieloni, Mike Seidel, Léon Van Riesen-Haupt, Cristobal Miguel Garcia Jaimes
2024

Résumé

A significant project such as the FCC-ee (with 91.17 km circumference) entails numerous challenges to ensure the stability and performance of the machine. In the pursuit of contributing to the improvement of energy consumption during its operation, the exploration of Nested Magnets (NMs) as a means to reduce synchrotron radiation has been undertaken. This paper presents first studies on the Dynamic Aperture (DA) and the Momentum Acceptance (MA) of this novel design to guide the next developments.

Source officielle

https://infoscience.epfl.ch/entities/publication/10c0078c-a6f6-4453-80df-c5e899472978

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

FIRST COMPARISON STUDIES IN DYNAMIC APERTURE FOR NESTED MAGNETS AND BASELINE LATTICE IN THE FCC-ee

Chattez avec Graph Search

Graph sparsification, sketching and adaptivity

Improving Group Testing via Gradient Descent

DARTS-NETGAB: DESIGN AUTOMATION AND REAL-TIME SIMULATION USING NEURAL NETWORKS ENSEMBLES FOR TURBOCOMPRESSORS ON GAS-BEARINGS