論文の概要: End-to-end Deep Learning Pipeline for Microwave Kinetic Inductance Detector (MKID) Resonator Identification and Tuning

• arxiv url: http://arxiv.org/abs/2104.01282v1
• Date: Sat, 3 Apr 2021 00:04:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-06 14:21:24.857688
• Title: End-to-end Deep Learning Pipeline for Microwave Kinetic Inductance Detector (MKID) Resonator Identification and Tuning
• Title（参考訳）: マイクロ波動インダクタンス検出器(MKID)共振器同定とチューニングのためのエンドツーエンドディープラーニングパイプライン
• Authors: Neelay Fruitwala and Alex B Walter and John I Bailey III and Rupert Dodkins and Benjamin A Mazin
• Abstract要約: 本稿では,単一畳み込みニューラルネットワーク(CNN)を用いて共振器同定とチューニングを同時に行うパイプラインを提案する。 我々のパイプラインは手動のチューニングプロセスと同等の性能を持ち、フィードラインあたりの計算時間はわずか12分であることがわかった。
• 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: We present the development of a machine learning based pipeline to fully automate the calibration of the frequency comb used to read out optical/IR Microwave Kinetic Inductance Detector (MKID) arrays. This process involves determining the resonant frequency and optimal drive power of every pixel (i.e. resonator) in the array, which is typically done manually. Modern optical/IR MKID arrays, such as DARKNESS (DARK-speckle Near-infrared Energy-resolving Superconducting Spectrophotometer) and MEC (MKID Exoplanet Camera), contain 10-20,000 pixels, making the calibration process extremely time consuming; each 2000 pixel feedline requires 4-6 hours of manual tuning. Here we present a pipeline which uses a single convolutional neural network (CNN) to perform both resonator identification and tuning simultaneously. We find that our pipeline has performance equal to that of the manual tuning process, and requires just twelve minutes of computational time per feedline.
• Abstract（参考訳）: 我々は、光/赤外線マイクロ波動インダクタンス検出器(MKID)アレイを読み取るのに使用される周波数コムの校正を完全に自動化する機械学習ベースのパイプラインを開発した。 このプロセスでは、各ピクセル(すなわち)の共振周波数と最適駆動力を決定する。 共振器) 配列は、通常手動で行われる。 DARKNESS (DARK-speckle Near-infrared Energy-resolving Superconducting Spectrometer) やMEC (MKID Exoplanet Camera) のような現代の光学/赤外線MKIDアレイは10-20,000ピクセルを含み、キャリブレーション処理には非常に時間がかかる。 本稿では、単一畳み込みニューラルネットワーク(CNN)を用いて共振器識別とチューニングを同時に行うパイプラインを提案する。 我々のパイプラインは手動のチューニングプロセスと同等の性能を持ち、フィードラインあたりの計算時間はわずか12分であることがわかった。

関連論文リスト

• On-demand single microwave photon source in a superconducting circuit with pulse-level frequency tunability over two octaves of bandwidth [0.0]
  我々は、単一マイクロ波光子をオンデマンドで生成し、大きな周波数帯域で調整可能であることを示す。 出力光子の周波数を2オクターブ以上でパルスレベル制御できるプロトコルを考案する。
  論文  参考訳（メタデータ） (2024-09-08T14:56:39Z)
• Scaling on-chip photonic neural processors using arbitrarily programmable wave propagation [4.026285531740364]
  ニューラルネットワーク用のオンチップフォトニックプロセッサは、速度とエネルギー効率の両方に潜在的な利点があるが、電子プロセッサを上回るスケールには達していない。 空間の関数としての屈折率を$n(x,z)$とすることで、デバイス内の波動伝搬を任意に制御できる装置を提案する。 これは、離散的なコンポーネントに依存した以前のフォトニックチップを超えるスケールであり、連続波のパラダイムの利点を示している。
  論文  参考訳（メタデータ） (2024-02-27T18:37:22Z)
• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• Theoretical framework for real time sub-micron depth monitoring using quantum inline coherent imaging [55.2480439325792]
  インラインコヒーレントイメージング(ICI)は、キーホール溶接、添加物製造、マイクロ加工など、様々なレーザプロセスのリアルタイム監視のための信頼性の高い手法である。 軸方向分解能は2m以上に限定されており、ICIはサブミクロンプロセスの監視には適さない。 量子光コヒーレンス・トモグラフィ(Q OCT)の進歩は、1m以上の奥行き分解能を達成してこの問題に対処する可能性がある。
  論文  参考訳（メタデータ） (2023-09-17T17:05:21Z)
• Deterministic generation of shaped single microwave photons using a parametrically driven coupler [2.8690466755717257]
  データキュービットの状態を伝搬マイクロ波モードに転送する超伝導回路を実験的に実証した。 本研究は,分散量子コンピューティングネットワークにおいて,高忠実度量子状態転送と遠隔絡み込み操作を実現するための信頼性の高い手法を提供する。
  論文  参考訳（メタデータ） (2023-03-06T05:29:50Z)
• Digital noise spectroscopy with a quantum sensor [57.53000001488777]
  本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。 ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。 ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
  論文  参考訳（メタデータ） (2022-12-19T02:19:35Z)
• Mixed-Precision Neural Network Quantization via Learned Layer-wise Importance [50.00102219630088]
  混合精度量子化(MPQ)は各層に対して最適なビット幅を決定するのを難しくする。 本稿では,すべての指標を同時に取得できる共同学習手法を提案する。 例えば、ResNet18上のインデックスによるMPQ検索は、わずか0.06秒しかかからない。
  論文  参考訳（メタデータ） (2022-03-16T03:23:50Z)
• Machine Learning on Camera Images for Fast mmWave Beamforming [7.89556780984955]
  現在の802.11ad WiFiと新しい5Gセルラー規格は、最も高いSNRとビームペアを特定するために、数ミリ秒間異なるセクターの組み合わせを探索している。 帯域外情報を用いた2つの逐次畳み込みニューラルネットワーク(CNN)を用いた機械学習(ML)アプローチを提案する。 NI 60GHz mm波トランシーバを用いた屋内設定のこの興味深いコンセプトを実験的に検証します。
  論文  参考訳（メタデータ） (2021-02-15T04:38:00Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Photonic reservoir computer based on frequency multiplexing [56.663315405998354]
  本稿では、周波数領域多重化を利用してニューロン状態を符号化する貯水池コンピュータのフォトニック実装について報告する。 このシステムは同時に25個のコムライン(すなわち25個のニューロン)を20MHzの速度で処理する。
  論文  参考訳（メタデータ） (2020-08-25T19:30:42Z)

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。