論文の概要: Adaptive Modeling Powers Fast Multi-parameter Fitting of CARS Spectra
- arxiv url: http://arxiv.org/abs/2111.00917v1
- Date: Tue, 26 Oct 2021 20:14:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-07 11:44:42.244426
- Title: Adaptive Modeling Powers Fast Multi-parameter Fitting of CARS Spectra
- Title（参考訳）: CARSスペクトルの高速マルチパラメータフィッティングにおける適応モデリングパワー
- Authors: Gregory J. Hunt, Cody R. Ground, Andrew D. Cutler
- Abstract要約: 本稿では,事前計算された理論スペクトルのライブラリを用いたCARSFTの近似手法を提案する。
本手法は, 少数のライブラリーを用いて, 温度と4つのガス種のモル分画を迅速かつ正確に回収できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Coherent anti-Stokes Raman Spectroscopy (CARS) is a laser-based measurement
technique widely applied across many science and engineering disciplines to
perform non-intrusive gas diagnostics. CARS is often used to study combustion,
where the measured spectra can be used to simultaneously recover multiple flow
parameters from the reacting gas such as temperature and relative species mole
fractions. This is typically done by using numerical optimization to find the
flow parameters for which a theoretical model of the CARS spectra best matches
the actual measurements. The most commonly used theoretical model is the CARSFT
spectrum calculator. Unfortunately, this CARSFT spectrum generator is
computationally expensive and using it to recover multiple flow parameters can
be prohibitively time-consuming, especially when experiments have hundreds or
thousands of measurements distributed over time or space. To overcome these
issues, several methods have been developed to approximate CARSFT using a
library of pre-computed theoretical spectra. In this work we present a new
approach that leverages ideas from the machine learning literature to build an
adaptively smoothed kernel-based approximator. In application on a simulated
dual-pump CARS experiment probing a $H_2/$air flame, we show that the approach
can use a small number library spectra to quickly and accurately recover
temperature and four gas species' mole fractions. The method's flexibility
allows fine-tuned navigation of the trade-off between speed and accuracy, and
makes the approach suitable for a wide range of problems and flow regimes.
- Abstract（参考訳）: コヒーレント反ストークスラマン分光法(Coherent anti-Stokes Raman Spectroscopy, CARS)は、レーザーによる計測技術であり、多くの科学分野や工学分野に広く応用されている。
CARSは燃焼の研究によく用いられ、測定されたスペクトルを用いて温度や相対種モル分数などの反応ガスから複数の流れパラメータを同時に回収することができる。
これは典型的には、自動車スペクトルの理論モデルが実際の測定と最も一致する流れパラメータを見つけるために数値最適化を用いて行われる。
最も一般的に用いられる理論モデルはcarsft spectrum calculatorである。
残念なことに、このカーフトスペクトル発生器は計算コストが高く、複数のフローパラメータを回収するために使用することは、特に時間や空間に数百から数千の計測値が分散している場合、非常に時間がかかる。
これらの問題を克服するため、事前計算された理論スペクトルのライブラリを用いてCARSFTを近似する手法が開発されている。
本稿では,適応的に滑らかなカーネルベースの近似器を構築するために,機械学習文献のアイデアを活用する新しい手法を提案する。
h_2/$air火炎を模擬した2ポンプ車実験では,少数のライブラリースペクトルを用いて温度を迅速かつ正確に回復し,ガス種4種のモル分画を抽出できることを示した。
この手法の柔軟性は、速度と精度のトレードオフを微調整したナビゲーションを可能にし、幅広い問題やフローレジームに適している。
関連論文リスト
- In-Flight Estimation of Instrument Spectral Response Functions Using Sparse Representations [7.820031647973761]
本稿では,辞書に属する原子のスパース表現に基づく新しいISRF推定法について検討する。
提案手法は, より一般的に用いられるパラメトリックモデルと比較して, 非常に競争力が高いことを示す。
論文 参考訳（メタデータ） (2024-04-08T08:35:50Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳（メタデータ） (2023-11-30T13:50:21Z) - Efficient formulation of multitime generalized quantum master equations:
Taming the cost of simulating 2D spectra [0.0]
本稿では,GQMEフレームワークを拡張した従来の作業の計算コストを大幅に単純化し,削減する定式化を提案する。
具体的には, 修正された森-中島-Zwanzigフレームワークから, 量子相関関数の時間微分を除去する。
また、スペクトルを1-, 2-, 3時間相関に分解し、システムがマルコフ体制に入る時期を示す。
論文 参考訳（メタデータ） (2023-10-30T21:16:04Z) - Log-Gaussian Gamma Processes for Training Bayesian Neural Networks in
Raman and CARS Spectroscopies [0.03994567502796063]
本稿では,ガンマ分布確率変数と対数ガウスモデルを組み合わせて,ニューラルネットワークの学習に適した合成データセットを生成する手法を提案する。
本稿では, ガンマ過程パラメータを推定するために実験的スペクトルを用いて, ラマンとコヒーレント反ストークスラマン散乱(CARS)スペクトルの両方に適用する。
論文 参考訳（メタデータ） (2023-10-12T06:08:34Z) - 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) - Gaussian Process Regression for Absorption Spectra Analysis of Molecular
Dimers [68.8204255655161]
本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。
このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。
実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
論文 参考訳（メタデータ） (2021-12-14T17:46:45Z) - Prediction of liquid fuel properties using machine learning models with
Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。
これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。
その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性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） (2021-10-18T14:43:50Z) - Accurate methods for the analysis of strong-drive effects in parametric
gates [94.70553167084388]
正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。
我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
論文 参考訳（メタデータ） (2021-07-06T02:02:54Z) - Two-dimensional spectroscopy beyond the perturbative limit: the
influence of finite pulses and detection modes [0.0]
2次元電子分光法(2DES)は、量子系内のコヒーレンスとエネルギーの流れのプローブを提供する。
2DESの数値モデリングは極めて重要であり、ある程度に脈動スキームを近似する必要がある。
ここでは、有限パルス幅と振幅が2DES信号に与える影響を調べるために、非摂動時間進化を用いる。
論文 参考訳（メタデータ） (2020-11-09T11:13:10Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2020-03-15T23:07:56Z)
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。