論文の概要: Online Preconditioning of Experimental Inkjet Hardware by Bayesian Optimization in Loop

• arxiv url: http://arxiv.org/abs/2105.02858v1
• Date: Thu, 6 May 2021 17:46:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 14:10:43.714018
• Title: Online Preconditioning of Experimental Inkjet Hardware by Bayesian Optimization in Loop
• Title（参考訳）: ループ型ベイズ最適化による実験インクジェットハードウェアのオンラインプレコンディショニング
• Authors: Alexander E. Siemenn, Matthew Beveridge, Tonio Buonassisi, Iddo Drori
• Abstract要約: インクジェットプリンタから堆積した液滴構造を最適化するためのコンピュータビジョン駆動ベイズ最適化フレームワークを開発する。 フレームワークを用いて,最適インクジェットハードウェア条件の収束を10分で示す。
• 参考スコア（独自算出の注目度）: 62.997667081978825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-performance semiconductor optoelectronics such as perovskites have high-dimensional and vast composition spaces that govern the performance properties of the material. To cost-effectively search these composition spaces, we utilize a high-throughput experimentation method of rapidly printing discrete droplets via inkjet deposition, in which each droplet is comprised of a unique permutation of semiconductor materials. However, inkjet printer systems are not optimized to run high-throughput experimentation on semiconductor materials. Thus, in this work, we develop a computer vision-driven Bayesian optimization framework for optimizing the deposited droplet structures from an inkjet printer such that it is tuned to perform high-throughput experimentation on semiconductor materials. The goal of this framework is to tune to the hardware conditions of the inkjet printer in the shortest amount of time using the fewest number of droplet samples such that we minimize the time and resources spent on setting the system up for material discovery applications. We demonstrate convergence on optimum inkjet hardware conditions in 10 minutes using Bayesian optimization of computer vision-scored droplet structures. We compare our Bayesian optimization results with stochastic gradient descent.
• Abstract（参考訳）: ペロブスカイトのような高性能半導体光エレクトロニクスは、材料の性能特性を制御する高次元および広大な組成空間を有する。 これらの合成空間を効果的に探索するために,インクジェット堆積による離散液滴を高速に印刷する高スループット実験法を用いて,各液滴が半導体材料の特異な置換からなる。 しかし、インクジェットプリンタシステムは半導体材料上での高スループット実験に最適化されていない。 そこで本研究では,インクジェットプリンタから堆積した液滴構造を最適化するコンピュータビジョン駆動ベイズ最適化フレームワークを開発し,半導体材料の高スループット実験を行うように調整する。 このフレームワークの目標は、インクジェットプリンタのハードウェア条件を最短時間で調整することであり、最も少ないサンプル数を用いて、材料発見アプリケーションのためにシステムを設定するのに費やす時間とリソースを最小限に抑えることである。 コンピュータビジョンを用いた液滴構造のベイズ最適化により,10分間の最適インクジェットハードウェア条件の収束を実証する。 ベイズ最適化の結果を確率的勾配降下と比較する。

関連論文リスト

• Efficient exploration of high-Tc superconductors by a gradient-based composition design [0.0]
  組成の勾配に基づく最適化による材料設計手法を提案する。 これは、徹底的なデータベース検索と条件付き生成モデルという、従来の手法の限界を克服する。 本手法は, 有効で広範囲な探索と新しい制約への適応性を実現し, 材料設計を著しく向上させる。
  論文  参考訳（メタデータ） (2024-03-20T14:23:17Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Multi-objective optimization of actuation waveform for high-precision drop-on-demand inkjet printing [3.925522341994433]
  最適波形を適用することにより、液滴径をノズル径の24.9%に著しく低減することができる。 衛星の液滴を効果的に除去でき、ノズルの直径の24.9%まで大幅に減らすことができる。
  論文  参考訳（メタデータ） (2022-08-24T05:08:44Z)
• Perfect photon indistinguishability from a set of dissipative quantum emitters [0.0]
  半導体量子ドット(QD)プラットフォームに基づく単一光子源は、低温(T)動作に制限される。 高Tにおける高い識別可能性(I)を維持するための技術的要件は、最先端技術を超えている。 最近の理論的アプローチは、2双極子結合エミッタ系を実装することで有望な結果を示している。
  論文  参考訳（メタデータ） (2022-04-11T14:57:52Z)
• Multi-objective simulation optimization of the adhesive bonding process of materials [50.591267188664666]
  このような接着プロセスの最適プロセスパラメータを見つけることは困難である。 本研究では,ガウス過程回帰とロジスティック回帰を用いてベイズ最適化を行った。
  論文  参考訳（メタデータ） (2021-12-09T09:58:58Z)
• Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
  本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。 この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
  論文  参考訳（メタデータ） (2021-05-28T02:08:03Z)
• Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
  本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。 この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
  論文  参考訳（メタデータ） (2020-08-10T09:42:59Z)
• Bayesian optimisation of large-scale photonic reservoir computers [0.774229787612056]
  貯留層コンピューティングは、リカレントニューラルネットワークの簡易トレーニングのパラダイムとして成長している。 この分野における最近の研究は、数万の物理ノードと任意の相互接続を持つ大規模フォトニクスシステムに焦点を当てている。
  論文  参考訳（メタデータ） (2020-04-06T10:11:03Z)
• Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
  実験者は、グローバルな最適な場所に関する知識を得ることができる。 グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。 効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
  論文  参考訳（メタデータ） (2020-02-26T01:57:36Z)

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。