Eichler, AnnikaAnnikaEichler11271478970000-0003-3282-3135Kaiser, JanJanKaiser2026-02-122026-02-122026Dr. Hut 978-3-8439-5683-3: (2025)978-3-8439-5683-3https://hdl.handle.net/11420/58370Particle accelerators are sophisticated scientific facilities that require precise but time-consuming optimisation to achieve optimal performance. Considering benchmark tasks at the ARES and LCLS facilities, this dissertation proposes methods to deploy simulation-trained reinforcement learning (RL) policies for accelerator tuning zero-shot to the real world and novel tuning tasks, while comparing their performance to traditional methods. A high-speed differentiable beam dynamics simulator is developed to make collecting large datasets for RL feasible, and to enable a multitude of novel gradient-based accelerator applications. These contributions lay the groundwork for faster accelerator tuning to better working points, and enable new scientific discoveries.Teilchenbeschleuniger sind komplexe Maschinen, die für optimale Leistung präzise, aber zeitaufwändige Optimierung erfordern. Anhand der ARES und LCLS-Beschleuniger zeigt diese Dissertation Methoden, um in Simulation trainierte Strategien des verstärkenden Lernens ohne weiteres Training in die reale Welt und auf neue Aufgaben zu übertragen, und vergleicht sie mit traditionellen Ansätzen. Ein schneller, differenzierbarer Strahldynamik-Simulator wird entwickelt, um große Datensätze für verstärkendes Lernen und neuartige gradientenbasierte Anwendungen zugänglich zu machen. Diese Beiträge ermöglichen die schnellere Optimierung von Beschleunigern zu besseren Arbeitspunkten und eröffnen Potenziale für neue wissenschaftliche Entdeckungen.enhttps://creativecommons.org/licenses/by/4.0/reinforcement learningdifferentiable simulationparticle acceleratorsNatural Sciences and Mathematics::539: Matter; Molecular Physics; Atomic and Nuclear physics; Radiation; Quantum PhysicsComputer Science, Information and General Works::006: Special computer methods::006.3: Artificial Intelligence::006.31: Machine LearningTechnology::681: Precision Instruments and Other Devices::681.2: Testing, Measuring, Sensing InstrumentsDoctoral Thesishttps://doi.org/10.15480/882.1606010.15480/882.16060Fey, GörschwinGörschwinFeyOther