論文の概要: Design of Detectors at the Electron Ion Collider with Artificial
Intelligence
- arxiv url: http://arxiv.org/abs/2203.04530v1
- Date: Wed, 9 Mar 2022 05:27:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-10 16:17:26.911932
- Title: Design of Detectors at the Electron Ion Collider with Artificial
Intelligence
- Title(参考訳): 人工知能を用いた電子イオン衝突型検出器の設計
- Authors: Cristiano Fanelli
- Abstract要約: ECCEは、多目的最適化を用いて、EIC検出器のトラッキングシステムを設計する可能性を探っている。
本稿は、これらの技術の概要と、EIC提案における最近の進歩について述べる。
- 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: Artificial Intelligence (AI) for design is a relatively new but active area
of research across many disciplines. Surprisingly when it comes to designing
detectors with AI this is an area at its infancy. The Electron Ion Collider is
the ultimate machine to study the strong force. The EIC is a large-scale
experiment with an integrated detector that extends for about $\pm$35 meters to
include the central, far-forward, and far-backward regions. The design of the
central detector is made by multiple sub-detectors, each in principle
characterized by a multidimensional design space and multiple design criteria
also called objectives. Simulations with Geant4 are typically compute
intensive, and the optimization of the detector design may include
non-differentiable terms as well as noisy objectives. In this context, AI can
offer state of the art solutions to solve complex combinatorial problems in an
efficient way. In particular, one of the proto-collaborations, ECCE, has
explored during the detector proposal the possibility of using multi-objective
optimization to design the tracking system of the EIC detector. This document
provides an overview of these techniques and recent progress made during the
EIC detector proposal. Future high energy nuclear physics experiments can
leverage AI-based strategies to design more efficient detectors by optimizing
their performance driven by physics criteria and minimizing costs for their
realization.
- Abstract(参考訳): デザインのための人工知能(AI)は、多くの分野にわたる比較的新しいが活発な研究分野である。
意外なことに、AIで検出器を設計するというのは、その初期段階の分野だ。
電子イオン衝突型加速器は、強い力を研究する究極の機械である。
eicは、中央、遠方、遠後方の領域を含むように約35メートルの広さを持つ統合検出器を備えた大規模な実験である。
中心検出器の設計は複数のサブ検出器で構成され、それぞれが多次元の設計空間と複数の設計基準を特徴とする。
Geant4によるシミュレーションは一般に計算集約であり、検出器設計の最適化にはノイズのある目的だけでなく、微分不可能な用語が含まれる。
この文脈では、AIは複雑な組合せ問題を効率的に解決するための最先端のソリューションを提供することができる。
特に, プロトコラボレーションの一つであるECCEは, EIC検出器のトラッキングシステムの設計に多目的最適化を用いる可能性について, 検出器の提案中に検討している。
本稿では,これらの技術の概要とeic検出器の提案における最近の進歩について述べる。
将来の高エネルギー核物理学実験は、より効率的な検出器を設計するためにAIベースの戦略を活用することができる。
関連論文リスト
- Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳(メタデータ) (2023-08-03T02:49:50Z) - Task-Oriented Integrated Sensing, Computation and Communication for
Wireless Edge AI [46.61358701676358]
エッジ人工知能(AI)は、従来のクラウドをネットワークエッジまで高速に計算するために提案されている。
近年,特定のエッジAIタスクに対する無線センシング,計算,通信(SC$2$)の収束が,パラダイムシフトを引き起こしている。
超信頼性で低レイテンシなエッジインテリジェンス獲得を実現するために、完全に統合されたセンシング、計算、通信(I SCC)を進めることが最重要である。
論文 参考訳(メタデータ) (2023-06-11T06:40:51Z) - Design of Unmanned Air Vehicles Using Transformer Surrogate Models [8.914156789222266]
我々は,無人航空機(UAV)の設計を合成するAIデザイナを開発した。
提案手法では,高額なフライトダイナミックスモデルやCADツールを動作させることなく,新規なドメイン固有符号化を用いた深部変圧器モデルを用いて,提案手法の性能評価を行う。
論文 参考訳(メタデータ) (2022-11-11T21:22:21Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳(メタデータ) (2022-07-03T06:57:07Z) - AI-assisted Optimization of the ECCE Tracking System at the Electron Ion
Collider [1.8127731997964323]
EICは、すでに設計と研究開発段階から始まっている人工知能(AI)を活用する最初の大規模施設の1つである。
EIC検出器の提案はECCEの設計がEIC検出器の基準設計として機能すると結論付けた。
本稿では,AIを用いたECCEトラッカーの総合最適化について述べる。
論文 参考訳(メタデータ) (2022-05-18T19:30:56Z) - Pervasive Machine Learning for Smart Radio Environments Enabled by
Reconfigurable Intelligent Surfaces [56.35676570414731]
Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。
RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。
このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
論文 参考訳(メタデータ) (2022-05-08T06:21:33Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳(メタデータ) (2021-12-10T11:49:51Z) - How to Reach Real-Time AI on Consumer Devices? Solutions for
Programmable and Custom Architectures [7.085772863979686]
ディープニューラルネットワーク(DNN)は、オブジェクトや音声認識など、さまざまな人工知能(AI)推論タスクにおいて大きな進歩をもたらした。
このようなAIモデルをコモディティデバイスにデプロイすることは、大きな課題に直面している。
クロススタック手法によりリアルタイムな性能を実現する手法を提案する。
論文 参考訳(メタデータ) (2021-06-21T11:23:12Z) - Multi-objective Optimisation of Digital Circuits based on Cell Mapping
in an Industrial EDA Flow [0.2578242050187029]
この問題に対処するために,完全自動多目的EDAフローを導入している。
提案するMOEDAフレームワークを,65nmの商用標準セルライブラリを用いてISCAS-85およびEPFLベンチマーク回路に適用した。
論文 参考訳(メタデータ) (2021-05-21T15:29:58Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳(メタデータ) (2020-09-09T15:31:29Z) - 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。