Laser wakefield acceleration (LWFA) are promising sources of high-energy electron beams, but their performance is highly sensitive to the plasma target properties, making optimization challenging. In this work we present and validate the first module of a reverse-design workflow: a neural-network surrogate of a capillary-discharge plasma source trained on COMSOL Multiphysics hydrodynamic simulations. The model predicts the on-axis electron density profile along the capillary from the discharge control parameters (gas pressure and applied voltage) for a fixed capillary geometry. We assess generalization on held-out data and demonstrate a differentiable, gradient-based inverse design procedure that retrieves pressure and voltage values consistent with target density profiles within the surrogate model. Extensions to an LWFA-stage surrogate and downstream coupling to particle-transport simulations (e.g. via ONNX) are outlined as future work.
レーザー航跡場加速（LWFA）は高エネルギー電子ビームの有望な源であるが、その性能はプラズマ標的の特性に非常に敏感であり、最適化を困難にしている。本研究では、逆設計ワークフローの最初のモジュールを提示し、検証する。すなわち、COMSOL Multiphysicsの流体力学シミュレーションで訓練されたキャピラリ放電プラズマ源のニューラルネットワークサロゲートである。このモデルは、固定されたキャピラリ形状について、放電制御パラメータ（ガス圧と印加電圧）からキャピラリに沿った軸上電子密度プロファイルを予測する。我々は、ホールドアウトデータに対する汎化性能を評価し、サロゲートモデル内で目標密度プロファイルと整合する圧力と電圧の値を取得する、微分可能な勾配ベースの逆設計手順を実証する。LWFAステージのサロゲートへの拡張と、粒子輸送シミュレーションとの下流結合（例：ONNX経由）は、今後の課題として概説される。