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

• ADEPT-Z: Zero-Shot Automated Circuit Topology Search for Pareto-Optimal Photonic Tensor Cores [10.23290448364426]
  フォトニックテンソルコア(PTC)は、光学人工知能(AI)アクセラレーターにとって不可欠なビルディングブロックである。 より柔軟で効率的な多目的進化的トポロジ探索フレームワークADEPT-Zを提案する。
  論文  参考訳（メタデータ） (2024-10-02T08:09:41Z)
• Automated and Holistic Co-design of Neural Networks and ASICs for Enabling In-Pixel Intelligence [4.063480188363124]
  放射能検出のための可読ASICなどの極端エッジAIシステムは、厳密なハードウェア制約の下で動作しなければならない。 理想的なソリューションを見つけることは、爆発的に拡張されたデザイン空間から最適なAIとASIC設計の選択を特定することを意味する。
  論文  参考訳（メタデータ） (2024-07-18T17:58:05Z)
• Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
  ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。 評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。 その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
  論文  参考訳（メタデータ） (2024-07-03T03:29:23Z)
• Meent: Differentiable Electromagnetic Simulator for Machine Learning [0.6902278820907753]
  電磁法(EM)シミュレーションは、サブ波長スケール構造を持つデバイスを解析・設計する上で重要な役割を担っている。 Meentは、厳密な結合波解析(RCWA)を利用するEMシミュレーションソフトウェアである。 1) ニューラル演算子のトレーニングのためのデータセット生成,2) ナノフォトニックデバイス最適化の強化学習環境として機能する,3) 勾配に基づく逆問題に対する解を提供する,の3つの応用を提案する。
  論文  参考訳（メタデータ） (2024-06-11T10:00:06Z)
• AI-Assisted Detector Design for the EIC (AID(2)E) [0.0]
  ePIC実験には、性能、物理学的到達度、コストなど、多くの設計パラメータと目的が含まれている。 本研究の目的は,EIC(AID(2)E)のためのスケーラブルで分散AI支援型検出器の開発である。
  論文  参考訳（メタデータ） (2024-05-25T15:33:44Z)
• 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 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)
• 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)

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。