Fugu-MT 論文翻訳(概要): Machine Learning for Imaging Cherenkov Detectors

論文の概要: Machine Learning for Imaging Cherenkov Detectors

arxiv url: http://arxiv.org/abs/2006.05543v1
Date: Tue, 9 Jun 2020 22:57:14 GMT
ステータス: 処理完了
システム内更新日: 2022-11-23 15:56:33.286346
Title: Machine Learning for Imaging Cherenkov Detectors
Title（参考訳）: チェレンコフ検出器イメージングのための機械学習
Authors: Cristiano Fanelli
Abstract要約: 本稿では,チェレンコフ検出器への応用を目的とした新しい方向について述べる。検出器の設計とキャリブレーションの最近の進歩と粒子識別について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Imaging Cherenkov detectors are largely used in modern nuclear and particle physics experiments where cutting-edge solutions are needed to face always more growing computing demands. This is a fertile ground for AI-based approaches and at present we are witnessing the onset of new highly efficient and fast applications. This paper focuses on novel directions with applications to Cherenkov detectors. In particular, recent advances on detector design and calibration, as well as particle identification are presented.
Abstract（参考訳）: チェレンコフ検出器は、常に増大する計算要求に直面するために最先端のソリューションが必要である現代の核・粒子物理学の実験で主に使用されている。これはAIベースのアプローチの肥大した基盤であり、私たちは現在、新しい高効率で高速なアプリケーションの開始を目撃しています。本稿では、チェレンコフ検出器への新しい方向と応用に着目する。特に, 検出器の設計とキャリブレーション, 粒子識別の最近の進歩について述べる。

関連論文リスト

Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
論文参考訳（メタデータ） (2024-07-16T12:39:56Z)
Deep(er) Reconstruction of Imaging Cherenkov Detectors with Swin Transformers and Normalizing Flow Models [0.0]
チェレンコフ検出器のイメージングは、核物理学と粒子物理学の実験において粒子識別(PID)に不可欠である。本稿では,複雑なヒットパターンを示すDIRC検出器に着目し,JLabのGlueX実験において,ピオンとカオンのPIDにも使用される。 We present Deep(er)RICH, a extension of the seminal DeepRICH work, offered improve and faster PID than traditional methods。
論文参考訳（メタデータ） (2024-07-10T05:37:02Z)
Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。トピックと検出性能の間に有意な相関関係が発見された。これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
論文参考訳（メタデータ） (2023-12-20T10:53:53Z)
Deep learning at the edge enables real-time streaming ptychographic imaging [7.4083593332068975]
プチコグラフィーのようなコヒーレントな顕微鏡技術は、ナノスケールの材料特性に革命をもたらす可能性がある。従来のアプローチでは、高速コヒーレントイメージング実験からサンプル画像をリアルタイムで回収するのに十分ではない。ここでは、エッジでの人工知能と高性能コンピューティングを活用して、検出器から直接最大2kHzでストリーミングされるX線写真データのリアルタイムインバージョンを可能にするワークフローを実演する。
論文参考訳（メタデータ） (2022-09-20T02:02:37Z)
Artificial Intelligence for Imaging Cherenkov Detectors at the EIC [0.0]
チェレンコフ検出器は将来の電子イオン衝突型加速器(EIC)で粒子識別(PID)のバックボーンを形成するこの作業は、EICでチェレンコフ検出器を撮像するためのAIの現在進行中の取り組みと応用をまとめたものである。
論文参考訳（メタデータ） (2022-04-19T03:58:01Z)
The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。 The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文参考訳（メタデータ） (2021-12-19T15:17:20Z)
On-board Volcanic Eruption Detection through CNNs and Satellite Multispectral Imagery [59.442493247857755]
著者らは、最初のプロトタイプと、AIモデルが“ロード”される可能性の研究を提案している。ケーススタディでは,早期に警報を発生させる方法として,火山噴火の検出について検討することにした。 2つの畳み込みニューラルネットワークが提案され、作成され、実際のハードウェア上でそれらを正しく実装する方法も示されている。
論文参考訳（メタデータ） (2021-06-29T11:52:43Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)
Deep learning with photosensor timing information as a background rejection method for the Cherenkov Telescope Array [0.0]
Atmospheric Cherenkov Telescopes (IACTs) の画像解析における新たな深層学習手法の提案 cnnは、チェレンコフシャワー画像に含まれる全情報を使用する直接イベント分類方法を提供することができる。
論文参考訳（メタデータ） (2021-03-10T13:54:43Z)
Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文参考訳（メタデータ） (2020-07-08T21:38:29Z)
Using machine learning to speed up new and upgrade detector studies: a calorimeter case [0.0]
提案されたアプローチは、将来の検出器の設計概念(CDR)と技術設計(TDR)フェーズの両方に適用できる。本稿では,LHCb検出器システラクラス3の電磁熱量計アップグレードプロジェクトを中心に,機械学習を用いた検出器R&Dとその最適化サイクルを提案する。
論文参考訳（メタデータ） (2020-03-11T05:35:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。