論文の概要: Tuning Particle Accelerators with Safety Constraints using Bayesian Optimization

• arxiv url: http://arxiv.org/abs/2203.13968v2
• Date: Tue, 29 Mar 2022 13:05:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-30 10:49:49.167251
• Title: Tuning Particle Accelerators with Safety Constraints using Bayesian Optimization
• Title（参考訳）: ベイズ最適化を用いた安全制約付き粒子加速器のチューニング
• Authors: Johannes Kirschner, Mojmir Mutn\'y, Andreas Krause, Jaime Coello de Portugal, Nicole Hiller, Jochem Snuverink
• Abstract要約: 粒子加速器の機械パラメータのチューニングは反復的で時間を要する作業である。 我々は、安全なベイズ最適化のステップサイズ制限版を提案し、評価する。
• 参考スコア（独自算出の注目度）: 73.94660141019764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tuning machine parameters of particle accelerators is a repetitive and time-consuming task, that is challenging to automate. While many off-the-shelf optimization algorithms are available, in practice their use is limited because most methods do not account for safety-critical constraints that apply to each iteration, including loss signals or step-size limitations. One notable exception is safe Bayesian optimization, which is a data-driven tuning approach for global optimization with noisy feedback. We propose and evaluate a step size-limited variant of safe Bayesian optimization on two research faculties of the Paul Scherrer Institut (PSI): a) the Swiss Free Electron Laser (SwissFEL) and b) the High-Intensity Proton Accelerator (HIPA). We report promising experimental results on both machines, tuning up to 16 parameters subject to more than 200 constraints.
• Abstract（参考訳）: 粒子加速器の機械パラメータのチューニングは反復的かつ時間のかかる作業であり、自動化が難しい。 多くのオフ・ザ・シェルフ最適化アルゴリズムが利用可能であるが、実際には、ほとんどのメソッドは、損失信号やステップサイズ制限を含む各イテレーションに適用される安全クリティカルな制約を考慮しないため、使用が制限されている。 注目すべき例外はsafe bayesian optimizationである。これは、ノイズの多いフィードバックを伴うグローバル最適化のためのデータ駆動チューニングアプローチである。 我々は,paul scherrer institut (psi) の2つの研究領域における安全ベイズ最適化のステップサイズ限定型を提案し,評価する。 a)スイス自由電子レーザー(SwissFEL)及び b)高強度陽子加速器(HIPA) 我々は,200以上の制約を受ける16個のパラメータをチューニングし,両マシンの有望な実験結果について報告する。

関連論文リスト

• Parallel Bayesian Optimization Using Satisficing Thompson Sampling for Time-Sensitive Black-Box Optimization [0.0]
  本稿では,Thompsonサンプリングに基づく並列BO手法を提案する。 ターゲットを最適なソリューションから、学習しやすい満足できるソリューションにシフトします。 リチウムイオン電池の高速充電設計問題に対して提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2023-10-19T07:03:51Z)
• Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
  我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。 これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
  論文  参考訳（メタデータ） (2023-02-01T08:50:48Z)
• Accelerating Bayesian Optimization for Biological Sequence Design with Denoising Autoencoders [28.550684606186884]
  我々は,識別可能なマルチタスクガウスプロセスヘッドを用いて,デノナイズドオートエンコーダを共同で訓練する手法を開発した。 我々はZINCデータセットに基づく小分子上でLaMBOを評価し,蛍光タンパク質をターゲットとした新しい大規模分子タスクを導入する。
  論文  参考訳（メタデータ） (2022-03-23T21:58:45Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Two-step Lookahead Bayesian Optimization with Inequality Constraints [21.703234193908038]
  本稿では,2段階の制約付きベイズ最適化獲得関数 (2-OPT-C) を提案する。 数値実験では、2-OPT-Cは従来の手法よりも2倍以上のクエリ効率が向上し、場合によっては10倍以上のクエリ効率が向上する。
  論文  参考訳（メタデータ） (2021-12-06T07:40:54Z)
• Optimizing quantum control pulses with complex constraints and few variables through Tensorflow [0.0]
  本稿では、複数の制約を勾配最適化に組み込むことにより、現実的な量子システムに最適な制御アルゴリズムを適用する方法について述べる。 我々は,常にオンの相互作用を持つトランスモン量子ビットを超伝導するための単一量子ビットと2量子ビットゲートを実装するためのスムーズな制御パルスを見つけることで,アルゴリズムを検証した。 我々のアルゴリズムは、複雑で任意の物理的制約に親しみやすい、有望な最適量子制御手法を提供する。
  論文  参考訳（メタデータ） (2021-10-11T14:59:28Z)
• An Efficient Batch Constrained Bayesian Optimization Approach for Analog Circuit Synthesis via Multi-objective Acquisition Ensemble [11.64233949999656]
  MACE(Multi-objective Acquisition Function Ensemble)を用いた並列化可能なベイズ最適化アルゴリズムを提案する。 提案アルゴリズムは,バッチサイズが15のときの非制約最適化問題に対する微分進化(DE)と比較して,シミュレーション全体の時間を最大74倍削減することができる。 制約付き最適化問題に対して,提案アルゴリズムは,バッチサイズが15の場合に,重み付き改善に基づくベイズ最適化(WEIBO)アプローチと比較して最大15倍の高速化を実現することができる。
  論文  参考訳（メタデータ） (2021-06-28T13:21:28Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot Locomotion [78.46388769788405]
  我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。 誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-22T10:15:53Z)

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。