論文の概要: Artificial Intelligence for Imaging Cherenkov Detectors at the EIC

• arxiv url: http://arxiv.org/abs/2204.08645v1
• Date: Tue, 19 Apr 2022 03:58:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 15:11:39.374514
• Title: Artificial Intelligence for Imaging Cherenkov Detectors at the EIC
• Title（参考訳）: EICにおけるチェレンコフ検出器イメージングのための人工知能
• Authors: C. Fanelli and A. Mahmood
• Abstract要約: チェレンコフ検出器は将来の電子イオン衝突型加速器(EIC)で粒子識別(PID)のバックボーンを形成する この作業は、EICでチェレンコフ検出器を撮像するためのAIの現在進行中の取り組みと応用をまとめたものである。
• 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: Imaging Cherenkov detectors form the backbone of particle identification (PID) at the future Electron Ion Collider (EIC). Currently all the designs for the first EIC detector proposal use a dual Ring Imaging CHerenkov (dRICH) detector in the hadron endcap, a Detector for Internally Reflected Cherenkov (DIRC) light in the barrel, and a modular RICH (mRICH) in the electron endcap. These detectors involve optical processes with many photons that need to be tracked through complex surfaces at the simulation level, while for reconstruction they rely on pattern recognition of ring images. This proceeding summarizes ongoing efforts and possible applications of AI for imaging Cherenkov detectors at EIC. In particular we will provide the example of the dRICH for the AI-assisted design and of the DIRC for simulation and particle identification from complex patterns and discuss possible advantages of using AI.
• Abstract（参考訳）: チェレンコフ検出器は将来の電子イオン衝突型加速器(EIC)で粒子識別(PID)のバックボーンを形成する。 現在、最初のEIC検出器の提案の全ての設計は、ハドロン端のデュアルリングイメージング・チェレンコフ(dRICH)検出器、バレル内の内部反射チェレンコフ(DIRC)光検出器、電子端のモジュールRICH(mRICH)を使っている。 これらの検出器は、シミュレーションレベルで複雑な表面を追跡できる多くの光子を持つ光学プロセスを含むが、再構築にはリング画像のパターン認識に依存する。 この作業は、EICでチェレンコフ検出器を撮像するためのAIの継続的な取り組みと応用を要約している。 特に、AI支援設計のためのdRICHと、複雑なパターンからのシミュレーションと粒子識別のためのDIRCの例を示し、AIを使用する利点について議論する。

関連論文リスト

• AI-based particle track identification in scintillating fibres read out with imaging sensors [1.321203201549798]
  本研究では,SPADアレイセンサによって生成された実データから,信号を含むフレームを効率よくフィルタリングし,識別する可変オートエンコーダ(VAE)を提案する。 我々のVAEモデルは、背景雑音から粒子トラックを含むフレームを識別する能力を示した。
  論文  参考訳（メタデータ） (2024-10-14T13:59:30Z)
• Zero-Shot Detection of AI-Generated Images [54.01282123570917]
  AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。 機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。 ZEDは精度の点でSoTAよりも平均3%以上改善されている。
  論文  参考訳（メタデータ） (2024-09-24T08:46:13Z)
• Deep(er) Reconstruction of Imaging Cherenkov Detectors with Swin Transformers and Normalizing Flow Models [0.0]
  チェレンコフ検出器のイメージングは、核物理学と粒子物理学の実験において粒子識別(PID)に不可欠である。 本稿では,複雑なヒットパターンを示すDIRC検出器に着目し,JLabのGlueX実験において,ピオンとカオンのPIDにも使用される。 We present Deep(er)RICH, a extension of the seminal DeepRICH work, offered improve and faster PID than traditional methods。
  論文  参考訳（メタデータ） (2024-07-10T05:37:02Z)
• 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)
• CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
  脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。 近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-13T22:46:43Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• Design of Detectors at the Electron Ion Collider with Artificial Intelligence [0.0]
  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。
  論文  参考訳（メタデータ） (2022-03-09T05:27:37Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)
• Machine Learning for Imaging Cherenkov Detectors [0.0]
  本稿では,チェレンコフ検出器への応用を目的とした新しい方向について述べる。 検出器の設計とキャリブレーションの最近の進歩と粒子識別について述べる。
  論文  参考訳（メタデータ） (2020-06-09T22:57:14Z)
• Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
  対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。 本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-05T02:13:35Z)

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。