論文の概要: A Priori Calibration of Transient Kinetics Data via Machine Learning

• arxiv url: http://arxiv.org/abs/2109.15042v1
• Date: Mon, 27 Sep 2021 20:15:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-02 11:16:47.396476
• Title: A Priori Calibration of Transient Kinetics Data via Machine Learning
• Title（参考訳）: 機械学習による過渡的運動データの事前校正
• Authors: M. Ross Kunz, Adam Yonge, Rakesh Batchu, Zongtang Fang, Yixiao Wang, Gregory Yablonsky, Andrew J. Medford, Rebecca Fushimi
• Abstract要約: 生成物反応器の時間解析は、大量の過渡的な運動情報を提供する。 ここでは,物理制約と組み合わされた機械学習技術を用いて,生楽器の信号を化学情報に変換する。
• 参考スコア（独自算出の注目度）: 0.8208704543835964
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The temporal analysis of products reactor provides a vast amount of transient kinetic information that may be used to describe a variety of chemical features including the residence time distribution, kinetic coefficients, number of active sites, and the reaction mechanism. However, as with any measurement device, the TAP reactor signal is convoluted with noise. To reduce the uncertainty of the kinetic measurement and any derived parameters or mechanisms, proper preprocessing must be performed prior to any advanced analysis. This preprocessing consists of baseline correction, i.e., a shift in the voltage response, and calibration, i.e., a scaling of the flux response based on prior experiments. The current methodology of preprocessing requires significant user discretion and reliance on previous experiments that may drift over time. Herein we use machine learning techniques combined with physical constraints to convert the raw instrument signal to chemical information. As such, the proposed methodology demonstrates clear benefits over the traditional preprocessing in the calibration of the inert and feed mixture products without need of prior calibration experiments or heuristic input from the user.
• Abstract（参考訳）: 生成物反応器の時間的解析は、滞留時間分布、運動係数、活性部位の数、反応機構など様々な化学的特徴を記述するために用いられる膨大な過渡的運動情報を提供する。 しかし、他の測定装置と同様に、TAPリアクター信号はノイズと混同される。 運動量測定や導出パラメータやメカニズムの不確実性を低減するため、高度な分析の前に適切な前処理を行う必要がある。 この前処理は、ベースライン補正、すなわち電圧応答のシフト、キャリブレーション、すなわち以前の実験に基づくフラックス応答のスケーリングからなる。 現在のプリプロセッシングの方法論は、時間とともに漂流する可能性のある以前の実験に重要なユーザの判断と依存を必要とする。 ここでは,物理制約を併用した機械学習手法を用いて,楽器信号から化学情報への変換を行う。 提案手法は,不活性混合製品のキャリブレーションにおいて,ユーザからの事前キャリブレーション実験やヒューリスティック入力を必要とせず,従来の前処理よりも明確な効果を示す。

関連論文リスト

• Label-free timing analysis of SiPM-based modularized detectors with physics-constrained deep learning [9.234802409391111]
  モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。 本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-24T09:16:31Z)
• Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
  実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。 その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-01-19T20:04:36Z)
• Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
  近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。 緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。 トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
  論文  参考訳（メタデータ） (2022-11-09T23:40:52Z)
• 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)
• Soft Sensors and Process Control using AI and Dynamic Simulation [14.986031916712106]
  容易に測定可能な変数からリアルタイムで取得できないプロセス変数を推定するためのソフトセンサが提案されている。 本研究では, 植物の内部状態変数を動的シミュレーターを用いて推定し, 記録されていない状況でも予測できることを示した。
  論文  参考訳（メタデータ） (2022-08-08T19:14:50Z)
• Bias and Priors in Machine Learning Calibrations for High Energy Physics [1.5675763601034223]
  機械学習に基づくキャリブレーション戦略の事前依存性を強調した。 シミュレーションベースとデータベースキャリブレーションの両方に対する最近の提案は、トレーニングに使用されるサンプルの特性を継承している。 シミュレーションに基づくキャリブレーションの場合、我々の最近提案したガウスアンサッツアプローチは、先行依存の落とし穴を回避できると論じる。
  論文  参考訳（メタデータ） (2022-05-10T18:00:00Z)
• Improving Molecular Representation Learning with Metric Learning-enhanced Optimal Transport [49.237577649802034]
  分子レグレッション問題に対する一般化能力を高めるために,MROTと呼ばれる新しい最適輸送ベースアルゴリズムを開発した。 MROTは最先端のモデルよりも優れており、新しい物質の発見を加速する有望な可能性を示している。
  論文  参考訳（メタデータ） (2022-02-13T04:56:18Z)
• Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
  我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。 最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。 当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T10:18:30Z)
• Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
  本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。 その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
  論文  参考訳（メタデータ） (2021-02-02T09:34:34Z)
• Data Driven Reaction Mechanism Estimation via Transient Kinetics and Machine Learning [0.0]
  この研究は、一過性率/集中依存と機械学習を組み合わせて、アクティブなサイト数を測定する方法論を詳述する。 反応を駆動するLangmuir-Hinshelwood機構を明らかにするためにCO酸化データを解析した。
  論文  参考訳（メタデータ） (2020-11-17T18:14:10Z)
• Using Machine Learning to Speed Up and Improve Calorimeter R&D [0.7106986689736827]
  物理性能の評価を遅くする2つの典型的な問題は、特にカロリー検出器技術や構成に対するアプローチである。 本稿では,検出器開発および最適化サイクルの精度向上と高速化を目的とした,高度な機械学習技術の利用について論じる。
  論文  参考訳（メタデータ） (2020-03-27T14:44:46Z)

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。