論文の概要: Parameterized Reinforcement Learning for Optical System Optimization
- arxiv url: http://arxiv.org/abs/2010.05769v2
- Date: Wed, 25 Nov 2020 10:56:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 05:05:59.552178
- Title: Parameterized Reinforcement Learning for Optical System Optimization
- Title（参考訳）: 光学系最適化のためのパラメータ化強化学習
- Authors: Heribert Wankerl and Maike L. Stern and Ali Mahdavi and Christoph
Eichler and Elmar W. Lang
- Abstract要約: 光特性を指定した多層光学系は、複数の離散的かつ連続的なパラメータによって設計されている。
ほとんどの手法は単にシステムの層の最適な厚さを決定するだけである。
マルコフ決定過程におけるパラメータ化動作として連続層を積み重ねる手法を提案する。
- 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: Designing a multi-layer optical system with designated optical
characteristics is an inverse design problem in which the resulting design is
determined by several discrete and continuous parameters. In particular, we
consider three design parameters to describe a multi-layer stack: Each layer's
dielectric material and thickness as well as the total number of layers. Such a
combination of both, discrete and continuous parameters is a challenging
optimization problem that often requires a computationally expensive search for
an optimal system design. Hence, most methods merely determine the optimal
thicknesses of the system's layers. To incorporate layer material and the total
number of layers as well, we propose a method that considers the stacking of
consecutive layers as parameterized actions in a Markov decision process. We
propose an exponentially transformed reward signal that eases policy
optimization and adapt a recent variant of Q-learning for inverse design
optimization. We demonstrate that our method outperforms human experts and a
naive reinforcement learning algorithm concerning the achieved optical
characteristics. Moreover, the learned Q-values contain information about the
optical properties of multi-layer optical systems, thereby allowing physical
interpretation or what-if analysis.
- Abstract（参考訳）: 光特性を指定した多層光学系の設計は、複数の離散的かつ連続的なパラメータによって結果が決定される逆設計問題である。
特に,多層スタックを記述するための設計パラメータとして,各層の誘電体材料と厚さ,および各層の総層数について考察する。
このような離散パラメータと連続パラメータの組み合わせは、しばしば最適システム設計の計算コストの高い探索を必要とする困難な最適化問題である。
したがって、ほとんどの方法はシステムの層の最適厚さを決定するだけである。
層材料と層数を組み込むため,マルコフ決定過程において連続する層の積み重ねをパラメータ化作用として考慮する手法を提案する。
本稿では,政策最適化が容易な指数変換型報酬信号を提案し,近年のQ-ラーニングを逆設計最適化に適用する。
提案手法は, 人的専門家と, 達成した光学特性に関するナイーブ強化学習アルゴリズムより優れていることを示す。
さらに、学習されたQ値には、多層光学系の光学特性に関する情報が含まれており、物理的解釈や何f解析が可能である。
関連論文リスト
- Compact Multi-Threshold Quantum Information Driven Ansatz For Strongly Interactive Lattice Spin Models [0.0]
近似量子相互情報(QMI)に基づくアンザッツ建築の体系的手順を提案する。
提案手法は,QMI値に基づいて各層の量子ビット対が選択される層状アンサッツを生成し,より効率的な状態生成と最適化ルーチンを実現する。
その結果,Multi-QIDA法は高い精度を維持しながら計算複雑性を低減し,格子スピンモデルにおける量子シミュレーションに有望なツールであることがわかった。
論文 参考訳（メタデータ） (2024-08-05T17:07:08Z) - AI Driven Laser Parameter Search: Inverse Design of Photonic Surfaces using Greedy Surrogate-based Optimization [0.7377466856726481]
特定の光学特性で設計されたフォトニック表面は、様々なエネルギー収穫・貯蔵システムでの使用においてますます重要になっている。
我々はそのような曲面を設計するための代理に基づく最適化手法を開発した。
論文 参考訳（メタデータ） (2024-06-20T19:00:33Z) - Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。
トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
論文 参考訳（メタデータ） (2024-03-12T07:32:47Z) - Variational quantum algorithm for enhanced continuous variable optical
phase sensing [0.0]
変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。
本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
論文 参考訳（メタデータ） (2023-12-21T14:11:05Z) - Neural network analysis of neutron and X-ray reflectivity data:
Incorporating prior knowledge for tackling the phase problem [141.5628276096321]
本稿では,事前知識を利用して,より大規模なパラメータ空間上でのトレーニングプロセスを標準化する手法を提案する。
ボックスモデルパラメータ化を用いた多層構造を含む様々なシナリオにおいて,本手法の有効性を示す。
従来の手法とは対照的に,逆問題の複雑性を増大させると,我々の手法は好適にスケールする。
論文 参考訳（メタデータ） (2023-06-28T11:15:53Z) - Explainable bilevel optimization: an application to the Helsinki deblur
challenge [1.1470070927586016]
本稿では,一般画像分解問題の解に対する二段階最適化手法を提案する。
パラメトリック変動のようなアプローチを機械学習スキーム内にカプセル化し、高品質な再構成画像を提供する。
論文 参考訳（メタデータ） (2022-10-18T11:36:37Z) - Diffractive optical system design by cascaded propagation [1.6385815610837167]
フーリエ光学は典型的には細い要素を設計するために使われ、システムの開口部に配置され、シフト不変のポイントスプレッド関数(PSF)を生成する。
バックプロパゲーションを用いて、前例のない設計自由度を持つ回折光学系の最適化を可能にする、コリンズ積分に基づく効率的かつ微分可能な伝搬モデルを提案し、実装する。
複雑なイメージングシステム内の任意の平面上に配置された薄いプレート要素を介して, シフト変動型PSFを工学的に, 数値的, 実験的に適用可能であることを実証する。
論文 参考訳（メタデータ） (2022-02-23T14:21:09Z) - TMM-Fast: A Transfer Matrix Computation Package for Multilayer Thin-Film
Optimization [62.997667081978825]
先進的な薄膜構造は、厚みの異なる複数の材料と多数の層から構成される。
複数の変数を持つ複雑な薄膜構造の設計と最適化は、まだ活発な研究が続けられている計算的に重い問題である。
我々は,多層膜を透過する波長と入射角度の異なる光の反射と透過の並列計算を可能にするPythonパッケージTMM-Fastを提案する。
論文 参考訳（メタデータ） (2021-11-24T14:47:37Z) - Progressive Encoding for Neural Optimization [92.55503085245304]
メッシュ転送におけるppe層の能力と,そのアドバンテージを,現代の表面マッピング技術と比較した。
最も重要な点は, パラメタライズフリーな手法であり, 様々な対象形状表現に適用可能であることである。
論文 参考訳（メタデータ） (2021-04-19T08:22:55Z) - Spectral Tensor Train Parameterization of Deep Learning Layers [136.4761580842396]
重み行列の低ランクパラメータ化をDeep Learningコンテキストに埋め込まれたスペクトル特性を用いて検討する。
分類設定におけるニューラルネットワーク圧縮の効果と,生成的対角トレーニング設定における圧縮および安定性トレーニングの改善について述べる。
論文 参考訳（メタデータ） (2021-03-07T00:15:44Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。