論文の概要: Recent advances in Bayesian optimization with applications to parameter reconstruction in optical nano-metrology

• arxiv url: http://arxiv.org/abs/2107.05499v1
• Date: Mon, 12 Jul 2021 15:32:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 15:43:09.906204
• Title: Recent advances in Bayesian optimization with applications to parameter reconstruction in optical nano-metrology
• Title（参考訳）: ベイズ最適化の最近の進歩と光学ナノメトリロジーにおけるパラメータ再構成への応用
• Authors: Matthias Plock, Sven Burger, Philipp-Immanuel Schneider
• Abstract要約: 光ナノメートル法では 再構築が一般的な問題です 本稿では,2つのアプローチを組み合わせたベイズ目標ベクトル最適化手法を提案する。 提案手法は一般に、類似の再構成性能を達成するために、競合するどのスキームよりもモデル関数の呼び出しが少ないことが判明した。
• 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: Parameter reconstruction is a common problem in optical nano metrology. It generally involves a set of measurements, to which one attempts to fit a numerical model of the measurement process. The model evaluation typically involves to solve Maxwell's equations and is thus time consuming. This makes the reconstruction computationally demanding. Several methods exist for fitting the model to the measurements. On the one hand, Bayesian optimization methods for expensive black-box optimization enable an efficient reconstruction by training a machine learning model of the squared sum of deviations. On the other hand, curve fitting algorithms, such as the Levenberg-Marquardt method, take the deviations between all model outputs and corresponding measurement values into account which enables a fast local convergence. In this paper we present a Bayesian Target Vector Optimization scheme which combines these two approaches. We compare the performance of the presented method against a standard Levenberg-Marquardt-like algorithm, a conventional Bayesian optimization scheme, and the L-BFGS-B and Nelder-Mead simplex algorithms. As a stand-in for problems from nano metrology, we employ a non-linear least-square problem from the NIST Standard Reference Database. We find that the presented method generally uses fewer calls of the model function than any of the competing schemes to achieve similar reconstruction performance.
• Abstract（参考訳）: パラメータ再構成は光ナノ計測において一般的な問題である。 一般に、測定プロセスの数値モデルに適合させようとする一連の測定を含む。 モデル評価は通常、マクスウェルの方程式を解くことを含み、そのため時間を要する。 これにより、再構成は計算的に要求される。 モデルは測定に適合するいくつかの方法が存在する。 一方、高価なブラックボックス最適化のためのベイズ最適化手法は、偏差の2乗和の機械学習モデルを訓練することにより効率的な再構成を可能にする。 一方、levenberg-marquardt法のような曲線フィッティングアルゴリズムは、全てのモデル出力と対応する測定値との間の偏差を考慮に入れ、高速な局所収束を可能にする。 本稿では,この2つのアプローチを組み合わせたベイズ目標ベクトル最適化手法を提案する。 本稿では,従来のベイズ最適化手法とL-BFGS-BとNelder-Meadの単純なアルゴリズムとの比較を行った。 NIST標準基準データベース(NIST Standard Reference Database)から非線形の最小二乗問題(最小二乗問題)を用いる。 提案手法は一般に、類似の再構成性能を達成するために、競合するどのスキームよりもモデル関数の呼び出しが少なくなる。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
  提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。 大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T14:30:06Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Direct Estimation of Parameters in ODE Models Using WENDy: Weak-form Estimation of Nonlinear Dynamics [0.0]
  ODE の非線形システムに対するモデルパラメータを推定する Weak-form Estimation of Dynamics (WENDy) 手法を提案する。 WENDyは正確な推定値を計算し、大きな(生物学的に関係のある)測定ノイズに対して堅牢である。 個体群生物学,神経科学,生化学の共通モデルにおいて,WENDyを用いてパラメータを推定することにより,高いロバスト性と計算効率を示す。
  論文  参考訳（メタデータ） (2023-02-26T08:49:34Z)
• Gaussian process regression and conditional Karhunen-Lo\'{e}ve models for data assimilation in inverse problems [68.8204255655161]
  偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。 CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
  論文  参考訳（メタデータ） (2023-01-26T18:14:12Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Bayesian Target-Vector Optimization for Efficient Parameter Reconstruction [0.0]
  対象ベクトル最適化方式を導入し,モデル関数のコントリビューションのすべてについて検討し,パラメータ再構成問題に特に適している。 また、実際のモデル関数の観測がほとんどない正確な不確実性推定を決定できる。
  論文  参考訳（メタデータ） (2022-02-23T15:13:32Z)
• Effective Dimension Adaptive Sketching Methods for Faster Regularized Least-Squares Optimization [56.05635751529922]
  スケッチに基づくL2正規化最小二乗問題の解法を提案する。 我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
  論文  参考訳（メタデータ） (2020-06-10T15:00:09Z)
• Using models to improve optimizers for variational quantum algorithms [1.7475326826331605]
  変分量子アルゴリズムは、ノイズの多い中間スケール量子コンピュータの初期応用の第一候補である。 これらのアルゴリズムは、パラメータ化量子回路の機能を最小化する古典的な最適化外ループに依存している。 本稿では,2つの最適化手法を導入し,その性能を今日の一般的な手法と数値的に比較する。
  論文  参考訳（メタデータ） (2020-05-22T05:23:23Z)
• Bayesian System ID: Optimal management of parameter, model, and measurement uncertainty [0.0]
  システム識別(ID)の確率的定式化の頑健さを,スパース,ノイズ,間接データに対して評価した。 従来手法の目的関数面と比較して,ログ後部は幾何学的特性が向上したことを示す。
  論文  参考訳（メタデータ） (2020-03-04T22:48:30Z)

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。