Vor mehr als 20 Jahren wurden die ersten Ionenbeschleunigungsexperimente mit der Target Normal Sheath Acceleration (TNSA) durchgeführt. Die meisten dieser TNSA Experimente beruhen auf niedrigen Wiederholungsraten und festen Folientargets. Jüngste technologische Fortschritte haben es ermöglicht, Laser-Plasma-Beschleuniger mit hoher Repetitionsrate zu entwickeln. Der Kernaspekt für die hohe Repetitionsrate sind auf Gas oder Flüßigkeiten basierende Targets, von dem das Liquid Leaf-Target besonders vielversprechend erscheint. Trotz des Potenzials, Laserpulse mit hoher Repetitionsrate für TNSA zu erzielen, sind die Vorhersagemöglichkeiten des vorgeschlagenen Liquid Leaf-Targets nach wie vor begrenzt.

In dieser Forschungsarbeit wird das von einem Liquid Leaf-Target erzeugte Plasma und seine Wechselwirkung mit einem beliebigen Laser mit Hilfe von Particle-in-Cell-Simulationen untersucht. Es wird ein Ersatzmodell entwickelt, um das gesamte Spektrum des erzeugten Strahls und die maximale Ionenenergie vorherzusagen. Dieses Modell ermöglicht auch eine numerische Optimierung des Experiments. Auf der Grundlage von Monte-Carlo-Simulationen und künstlichen neuronalen Netzen wird außerdem ein Ersatzmodell für die Neutronenausbeute entwickelt. Die Kombination dieser Modelle ermöglicht, das Potential einer kompakten lasergetriebenen Neutronenquelle zu bestimmen

Die Optimierung eines Laser-Plasma-Experimentes wird exemplarisch für zwei verschiedene Optimierungsbedingungen durchgeführt, wobei der Schwerpunkt auf der Maximierung der Protonenausbeute liegt. Die optimierten Lösungen nutzen einen Effekt, der durch verschiedene Ionen, Sauerstoff und Wasserstoff, verursacht wird, die sich im selben expandierenden Plasma ausbreiten. Diese Ionen wechselwirken untereinander, sodass die Spektren von Plasmaexpansionsmodellen abweichen. Dieser Effekt kann vorhergesagt und auf andere Anwendungen außerhalb der Neutronenproduktion angewendet werden.

Das Neutronenmodell ermöglicht es verschiedene Designs kompakter Neutronenquellen zu vergleichen. Damit werden die erforderlichen Teilchenzahlen und Wiederholungsraten bestimmt, damit lasergetriebene Neutronenquellen wettbewerbsfähig werden. Da Simulationen für reale Anwendungen nicht ausreichen, wird eine neue Methode zur Verbesserung der Datenauswertung unter Verwendung radiochromatischer Filme vorgeschlagen. Die Methode nutzt algorithmische Lösungen zur Verringerung der Ungenauigkeit durch den Operateur und erhöht gleichzeitig die Auswertegeschwindigkeit, was in naher Zukunft die Durchführung von Big-Data-Analysen von Laser-Plasma-Beschleunigungsdaten ermöglicht.