論文の概要: Diagnostic data integration using deep neural networks for real-time plasma analysis

• arxiv url: http://arxiv.org/abs/2010.15156v2
• Date: Fri, 7 May 2021 15:23:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 06:31:20.835826
• Title: Diagnostic data integration using deep neural networks for real-time plasma analysis
• Title（参考訳）: 深層ニューラルネットワークを用いたリアルタイムプラズマ解析のための診断データ統合
• Authors: A. Rigoni Garola, R. Cavazzana, M. Gobbin, R.S. Delogu, G. Manduchi, C. Taliercio, A. Luchetta
• Abstract要約: 核融合実験のための買収の連鎖を完全に更新する可能性を探る。 特に、ニューロン伝達関数の量子化を試みると、そのようなモデルが組み込まれたファームウェアを作成するように変更できることが示されている。 このファームウェアは、深部推論モデルを一連の単純な演算に近似し、FPGAで多用される単純な論理ユニットとよく適合する。
• 参考スコア（独自算出の注目度）: 2.770437783544638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in acquisition equipment is providing experiments with growing amounts of precise yet affordable sensors. At the same time an improved computational power, coming from new hardware resources (GPU, FPGA, ACAP), has been made available at relatively low costs. This led us to explore the possibility of completely renewing the chain of acquisition for a fusion experiment, where many high-rate sources of data, coming from different diagnostics, can be combined in a wide framework of algorithms. If on one hand adding new data sources with different diagnostics enriches our knowledge about physical aspects, on the other hand the dimensions of the overall model grow, making relations among variables more and more opaque. A new approach for the integration of such heterogeneous diagnostics, based on composition of deep variational autoencoders, could ease this problem, acting as a structural sparse regularizer. This has been applied to RFX-mod experiment data, integrating the soft X-ray linear images of plasma temperature with the magnetic state. However to ensure a real-time signal analysis, those algorithmic techniques must be adapted to run in well suited hardware. In particular it is shown that, attempting a quantization of neurons transfer functions, such models can be modified to create an embedded firmware. This firmware, approximating the deep inference model to a set of simple operations, fits well with the simple logic units that are largely abundant in FPGAs. This is the key factor that permits the use of affordable hardware with complex deep neural topology and operates them in real-time.
• Abstract（参考訳）: 買収機器の最近の進歩は、正確で手頃な価格のセンサーを大量に搭載する実験を提供している。 同時に、新しいハードウェアリソース(GPU、FPGA、ACAP)による計算能力の向上が比較的低コストで実現されている。 これにより、異なる診断結果から得られた多くの高速データソースを、幅広いアルゴリズムのフレームワークで組み合わせることのできる、核融合実験のための買収の連鎖を完全に更新する可能性を探ることができた。 一方、異なる診断を持つ新しいデータソースを追加することで、物理的な側面に関する知識が強化される場合、モデル全体の寸法が増大し、変数間の関係がますます不透明になる。 このような異種診断を統合するための新しいアプローチは、深い変分オートエンコーダの合成に基づいて、構造スパース正規化器として機能してこの問題を緩和する。 これはRFX-mod実験データに適用され、プラズマ温度の軟X線線画像と磁気状態を統合する。 しかし、リアルタイム信号解析を確実にするためには、それらのアルゴリズム技術が適切なハードウェアで動作するように適応する必要がある。 特に、ニューロン伝達関数の量子化を試みると、そのようなモデルが組み込まれたファームウェアを作成するように変更できることが示されている。 このファームウェアは、深部推論モデルを一連の単純な演算に近似し、FPGAで多用される単純な論理ユニットとよく適合する。 これは、複雑なディープニューラルネットワークトポロジーを持つ安価なハードウェアの使用を許可し、それらをリアルタイムに運用するための重要な要素である。

関連論文リスト

• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• Model-aware reinforcement learning for high-performance Bayesian experimental design in quantum metrology [0.5461938536945721]
  量子センサは、様々なパラメータにわたる実験者による操作を可能にすることで、推定中に制御の柔軟性を提供する。 量子力学、推定、仮説テストにおいて、幅広い問題を最適化できる汎用的な手順を導入する。 粒子フィルタリングに基づくモデル認識強化学習(RL)とベイズ推定を組み合わせた。
  論文  参考訳（メタデータ） (2023-12-28T12:04:15Z)
• An Explainable Deep Learning-Based Method For Schizophrenia Diagnosis Using Generative Data-Augmentation [0.3222802562733786]
  脳波記録を用いた統合失調症の自動診断にディープラーニングを用いた手法を応用した。 このアプローチは、診断の精度を高める強力な手法である生成データ拡張を利用する。
  論文  参考訳（メタデータ） (2023-10-25T12:55:16Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• h-analysis and data-parallel physics-informed neural networks [0.7614628596146599]
  物理インフォームドニューラルネットワーク(PINN)に着目した機械学習スキームのデータ並列高速化について検討する。 我々はHorovodトレーニングフレームワークを通じて、$h$-analysisとデータ並列アクセラレーションに基づく新しいプロトコルを詳述する。 アクセラレーションは実装が簡単で、トレーニングを損なわず、非常に効率的で制御可能であることを示す。
  論文  参考訳（メタデータ） (2023-02-17T12:15:18Z)
• OpenHLS: High-Level Synthesis for Low-Latency Deep Neural Networks for Experimental Science [0.6571063542099524]
  本稿では,ディープニューラルネットワークの高レベル表現を低レベル表現に変換するための,オープンソースの軽量コンパイラフレームワークを提案する。 我々はOpenHLSがスループット4.8$mu$s/sampleでネットワークの実装を作成できることを示した。
  論文  参考訳（メタデータ） (2023-02-13T23:25:55Z)
• Biologically Plausible Learning on Neuromorphic Hardware Architectures [27.138481022472]
  ニューロモルフィックコンピューティング(Neuromorphic Computing)は、アナログメモリの計算によってこの不均衡に直面している新興パラダイムである。 この研究は、異なる学習アルゴリズムがCompute-In-Memoryベースのハードウェアに与える影響を初めて比較し、その逆も行った。
  論文  参考訳（メタデータ） (2022-12-29T15:10:59Z)
• Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
  多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。 本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。 疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
  論文  参考訳（メタデータ） (2022-06-10T04:54:13Z)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• Brain Image Synthesis with Unsupervised Multivariate Canonical CSC$\ell_4$Net [122.8907826672382]
  我々は,新しいCSC$ell_4$Netを用いて,イントレとイントラモーダルの両方にまたがる専用特徴を学習することを提案する。
  論文  参考訳（メタデータ） (2021-03-22T05:19:40Z)
• Large-scale Neural Solvers for Partial Differential Equations [48.7576911714538]
  偏微分方程式 (PDE) を解くことは、多くのプロセスがPDEの観点でモデル化できるため、科学の多くの分野において不可欠である。 最近の数値解法では、基礎となる方程式を手動で離散化するだけでなく、分散コンピューティングのための高度で調整されたコードも必要である。 偏微分方程式, 物理インフォームドニューラルネットワーク(PINN)に対する連続メッシュフリーニューラルネットワークの適用性について検討する。 本稿では,解析解に関するGatedPINNの精度と,スペクトル解法などの最先端数値解法について論じる。
  論文  参考訳（メタデータ） (2020-09-08T13:26:51Z)

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。