論文の概要: Automated and Autonomous Experiment in Electron and Scanning Probe Microscopy

• arxiv url: http://arxiv.org/abs/2103.12165v1
• Date: Mon, 22 Mar 2021 20:24:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-25 04:15:06.625326
• Title: Automated and Autonomous Experiment in Electron and Scanning Probe Microscopy
• Title（参考訳）: 電子・走査型プローブ顕微鏡における自動・自律実験
• Authors: Sergei V. Kalinin, Maxim A. Ziatdinov, Jacob Hinkle, Stephen Jesse, Ayana Ghosh, Kyle P. Kelley, Andrew R. Lupini, Bobby G. Sumpter, Rama K. Vasudevan
• Abstract要約: 連続画像形成機構を有するイメージング手法における自動実験(AE)への主要な経路の解析を目指しています。 自動実験は一般分野の知識のより広い文脈で議論されるべきであり、実験の結果、双方が実験を通知し、増大させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning and artificial intelligence (ML/AI) are rapidly becoming an indispensable part of physics research, with domain applications ranging from theory and materials prediction to high-throughput data analysis. In parallel, the recent successes in applying ML/AI methods for autonomous systems from robotics through self-driving cars to organic and inorganic synthesis are generating enthusiasm for the potential of these techniques to enable automated and autonomous experiment (AE) in imaging. Here, we aim to analyze the major pathways towards AE in imaging methods with sequential image formation mechanisms, focusing on scanning probe microscopy (SPM) and (scanning) transmission electron microscopy ((S)TEM). We argue that automated experiments should necessarily be discussed in a broader context of the general domain knowledge that both informs the experiment and is increased as the result of the experiment. As such, this analysis should explore the human and ML/AI roles prior to and during the experiment, and consider the latencies, biases, and knowledge priors of the decision-making process. Similarly, such discussion should include the limitations of the existing imaging systems, including intrinsic latencies, non-idealities and drifts comprising both correctable and stochastic components. We further pose that the role of the AE in microscopy is not the exclusion of human operators (as is the case for autonomous driving), but rather automation of routine operations such as microscope tuning, etc., prior to the experiment, and conversion of low latency decision making processes on the time scale spanning from image acquisition to human-level high-order experiment planning.
• Abstract（参考訳）: 機械学習と人工知能(ML/AI)は、理論や材料予測から高スループットデータ分析に至るまで、物理学研究において急速に不可欠になっている。 並行して、ロボット工学から自動運転車、有機合成、無機合成へのML/AI手法の適用の成功は、これらの技術の可能性に対する熱意を生み出し、画像の自動および自律的な実験(AE)を可能にしている。 本稿では,走査型プローブ顕微鏡 (SPM) と (走査型) 透過型電子顕微鏡 (STEM) に焦点をあて, 逐次的な画像形成機構を持つ撮像法において, AE に対する主要な経路を解析することを目的とする。 自動実験は一般分野の知識のより広い文脈で議論されるべきであり、実験の結果、双方が実験を通知し、増大させる。 したがって、この分析は、実験の前後における人間とml/aiの役割を探索し、意思決定プロセスの遅延、バイアス、知識を考慮すべきである。 同様に、そのような議論には、固有のレイテンシ、非理想性、および修正可能なコンポーネントと確率的なコンポーネントの両方からなるドリフトを含む既存のイメージングシステムの制限を含めるべきである。 さらに、顕微鏡におけるAEの役割は、人間の操作者(自律運転の場合のように)の排除ではなく、顕微鏡チューニングなどのルーチン操作の自動化であり、画像取得から人レベルの高次実験計画までの時間スケールでの低遅延意思決定プロセスの変換であることを示す。

関連論文リスト

• Human-in-the-loop: The future of Machine Learning in Automated Electron Microscopy [0.6760163180787716]
  MLに基づくアクティブな実験を設計する際の考慮事項について論じる。 今後数年間の計画としては、人力による自動実験が考えられる。
  論文  参考訳（メタデータ） (2023-10-08T05:26:32Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• SEMPAI: a Self-Enhancing Multi-Photon Artificial Intelligence for prior-informed assessment of muscle function and pathology [48.54269377408277]
  本稿では,仮説駆動型先行処理をデータ駆動型ディープラーニングアプローチに統合した,SEMPAI(Self-Enhancing Multi-Photon Artificial Intelligence)を紹介する。 SEMPAIは、小さなデータセットの予測を可能にするために、いくつかのタスクを共同で学習する。 SEMPAIは、少ないデータを含む7つの予測タスクのうち6つにおいて、最先端のバイオマーカーよりも優れています。
  論文  参考訳（メタデータ） (2022-10-28T17:03:04Z)
• Microscopy is All You Need [0.0]
  我々は、機械学習手法を開発するための有望な経路は、ドメイン固有のデプロイ可能なアルゴリズムの経路であると主張している。 これは基礎的な物理研究の恩恵を受け、ロボット工学や製造といったより複雑な自律システムのテストベッドとして機能する。
  論文  参考訳（メタデータ） (2022-10-12T18:41:40Z)
• Physics Embedded Machine Learning for Electromagnetic Data Imaging [83.27424953663986]
  電磁法(EM)イメージングは、セキュリティ、バイオメディシン、地球物理学、各種産業のセンシングに広く応用されている。 機械学習(ML)技術,特に深層学習(DL)技術は,高速かつ正確な画像化の可能性を秘めている。 本稿では、学習に基づくEMイメージングに物理を取り入れる様々なスキームについて検討する。
  論文  参考訳（メタデータ） (2022-07-26T02:10:15Z)
• Bayesian Active Learning for Scanning Probe Microscopy: from Gaussian Processes to Hypothesis Learning [0.0]
  ベイズ能動学習の基本原理と走査型プローブ顕微鏡(SPM)への応用について述べる。 これらのフレームワークは、先行データの使用、スペクトルデータに符号化された特定の機能の発見、実験中に現れる物理法則の探索を可能にする。
  論文  参考訳（メタデータ） (2022-05-30T23:01:41Z)
• An Automated Scanning Transmission Electron Microscope Guided by Sparse Data Analytics [0.0]
  本稿では,新たに出現するスパースデータ分析によって導かれる閉ループ管楽器制御プラットフォームの設計について論じる。 機械学習によって通知される集中型コントローラが、限られた$a$$priori$知識とタスクベースの識別を組み合わせることで、オンザフライでの実験的な意思決定を駆動する様子を実証する。
  論文  参考訳（メタデータ） (2021-09-30T00:25:35Z)
• 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)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• Interferobot: aligning an optical interferometer by a reinforcement learning agent [118.43526477102573]
  我々は、単眼カメラで取得した縁の画像に基づいて、マッハ・ツェンダー干渉計を整列するようにRLエージェントを訓練する。 エージェントは、物理に関する手書きの特徴や事前情報なしで、シミュレーション環境で訓練される。 物理測定の不確かさをシミュレートする一連の領域ランダム化により、エージェントはこの干渉計を微調整なしで整列させることに成功した。
  論文  参考訳（メタデータ） (2020-06-03T13:10:54Z)

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。

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。