論文の概要: Using Machine Learning for Anomaly Detection on a System-on-Chip under Gamma Radiation

• arxiv url: http://arxiv.org/abs/2201.01588v1
• Date: Wed, 5 Jan 2022 13:02:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-06 17:09:01.752116
• Title: Using Machine Learning for Anomaly Detection on a System-on-Chip under Gamma Radiation
• Title（参考訳）: ガンマ線照射によるシステムオンチップの異常検出のための機械学習
• Authors: Eduardo Weber Wachter, Server Kasap, Sefki Kolozali, Xiaojun Zhai, Shoaib Ehsan, Klaus McDonald-Maier
• Abstract要約: TID(Total Ionizing Dose)効果のような放射線は、ナノスケールの電子機器に永続的な損傷を与えることが多い。 本稿では、消費者電子レベルのField Programmable Gate Arrays(FPGA)における機械学習アルゴリズムを用いて、TID効果に対処し、動作停止前にそれを監視することに焦点を当てる。
• 参考スコア（独自算出の注目度）: 1.920987512094627
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emergence of new nanoscale technologies has imposed significant challenges to designing reliable electronic systems in radiation environments. A few types of radiation like Total Ionizing Dose (TID) effects often cause permanent damages on such nanoscale electronic devices, and current state-of-the-art technologies to tackle TID make use of expensive radiation-hardened devices. This paper focuses on a novel and different approach: using machine learning algorithms on consumer electronic level Field Programmable Gate Arrays (FPGAs) to tackle TID effects and monitor them to replace before they stop working. This condition has a research challenge to anticipate when the board results in a total failure due to TID effects. We observed internal measurements of the FPGA boards under gamma radiation and used three different anomaly detection machine learning (ML) algorithms to detect anomalies in the sensor measurements in a gamma-radiated environment. The statistical results show a highly significant relationship between the gamma radiation exposure levels and the board measurements. Moreover, our anomaly detection results have shown that a One-Class Support Vector Machine with Radial Basis Function Kernel has an average Recall score of 0.95. Also, all anomalies can be detected before the boards stop working.
• Abstract（参考訳）: 新しいナノスケール技術の出現により、放射線環境における信頼性の高い電子システムの設計に重大な課題が生じた。 TID(Total Ionizing Dose)効果のようないくつかの放射線は、ナノスケールの電子機器に永続的な損傷を与えることが多く、TIDに取り組むための最先端技術は高価な放射線硬化装置を使用する。 本稿では、消費者電子レベルにおける機械学習アルゴリズムを用いて、TID効果に対処し、動作停止前に置き換えるよう監視する、新しい、異なるアプローチに焦点を当てる。 この条件は、基板がtid効果によって完全に故障した場合に予測する研究課題を有する。 我々は,ガンマ線照射下でFPGA基板の内部測定を行い,ガンマ線照射環境におけるセンサ計測の異常を検出するために3種類の機械学習アルゴリズムを用いた。 その結果,ガンマ線被曝レベルと基板測定値との間に有意な相関が認められた。 さらに, この異常検出結果から, 放射基底関数カーネル付きワンクラスサポートベクトルマシンの平均リコールスコアは0.95であることがわかった。 また、ボードが動作しなくなる前にすべての異常を検出することもできる。

関連論文リスト

• Unraveling the "Anomaly" in Time Series Anomaly Detection: A Self-supervised Tri-domain Solution [89.16750999704969]
  異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。 自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。 自己教師型3領域異常検出器(TriAD)を提案する。
  論文  参考訳（メタデータ） (2023-11-19T05:37:18Z)
• Tetris-inspired detector with neural network for radiation mapping [0.0]
  本稿では,テトリスにインスパイアされた検出器画素と,放射マッピングのための機械学習を用いたフレームワークを提案する。 画素間パディングを用いて、画素とニューラルネットワークのコントラストを増大させ、検出器の読み取りを分析することで、最大4ピクセルの検出器が高解像度の指向性マッピングを実現することができる。 非正方形テトリス型検出器は、従来の格子型検出器よりも性能を向上することができる。
  論文  参考訳（メタデータ） (2023-02-07T22:17:18Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Hybrid AI-based Anomaly Detection Model using Phasor Measurement Unit Data [0.41998444721319217]
  ファサー計測装置(PMU)を用いて電力システムを監視することは、将来有望な技術の一つである。 サイバー物理的相互作用の増加は、利点と欠点の両方をもたらし、そこでは、測定データの異常の形で欠点の1つが生まれる。 本稿では,PMUデータにおける異常検出の様々な手法に基づくハイブリッドAIベースモデルを開発することを目的とする。
  論文  参考訳（メタデータ） (2022-09-21T11:22:01Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• CubeSat in-orbit validation of in-situ performance by high fidelity radiation modelling [55.41644538483948]
  SpooQy-1 CubeSatミッションは、単一光子検出のためのアバランシェフォトダイオードを用いた偏光に基づく量子エンタングルメント相関を実証した。 2年間にわたって観測された2つのシリコン・ガイガーモード・アバランシェ・フォトダイオードの暗黒数率の増加を報告した。 我々は,光ダイオードに蓄積した変位損傷量を推定するために,高忠実度放射モデルと3次元コンピュータ支援型SpooQy-1 CubeSatの設計モデルを実装した。
  論文  参考訳（メタデータ） (2022-09-01T12:33:27Z)
• Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
  タスク指向型自己教師型学習手法を提案する。 大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。 効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
  論文  参考訳（メタデータ） (2022-07-04T13:15:08Z)
• Improving Radioactive Material Localization by Leveraging Cyber-Security Model Optimizations [1.2835555561822447]
  現在の検出方法はコストがかかり、使用が遅く、複雑、変化、あるいは新しい環境では不正確であることが多い。 マルウェア検出などのサイバードメインで成功した機械学習手法が、物理的空間検出を大幅に強化するためにどのように活用できるかを示す。 MLに基づくアプローチは、角方向の予測において従来のテーブルベースのアプローチをはるかに上回ることを示す。
  論文  参考訳（メタデータ） (2022-02-21T17:35:58Z)
• Deep Learning for the Analysis of Disruption Precursors based on Plasma Tomography [0.0]
  JETのベースラインシナリオは、高い核融合性能と持続的な核融合力を達成するために開発されている。 プラズマ電流の上昇と入力電力の上昇により、パルス破壊率の増加が観測されている。 本研究では,プラズマ放射プロファイルの再構成を目的としたボロメータトモグラフィーに着目する。 主な破壊に先行する放射線パターンの同定に異常検出を適用した。
  論文  参考訳（メタデータ） (2020-09-06T11:06:52Z)

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。