基于NSGA-Ⅱ的晶体学光束线多目标自动优化

由光束线状态决定的光束质量很大程度上影响着生物大分子晶体学的实验结果,目前上海光源晶体学线站的调光工作是由线站工作人员手动完成,费时费力。上海光源衍射线站采用差分进化算法实现了光束线样品点处光通量的单目标自动优化,但该方案仍然存在一定的局限性。为了进一步完善光束线自动优化方案和提高实验用户的束线机时使用效率,使用Python语言设计开发了基于带精英策略的非支配排序的遗传算法(Non Dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)的多目标优化程序,实现了线站调光自动化技术升级。将该技术应用于上海光源BL10U2线站,以其次级光源点的光束位置和光通量为优化目标,可获得Pareto最优解集,并能从解集中根据实验需要自主选取合适的解。测试结果表明:相较于上海光源已有的自动优化方案,该多目标自动优化程序保证了光束线光束位置和光通量优化在30 min以内完成,进一步提高光束线自动优化效率和水平。