論文の概要: Machine learning methods for Schlieren imaging of a plasma channel in
tenuous atomic vapor
- arxiv url: http://arxiv.org/abs/2205.12731v1
- Date: Fri, 13 May 2022 17:27:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-29 20:36:55.506084
- Title: Machine learning methods for Schlieren imaging of a plasma channel in
tenuous atomic vapor
- Title(参考訳): 粘性原子蒸気中のプラズマチャネルのシュリーレンイメージングのための機械学習手法
- Authors: G\'abor B\'ir\'o, Mih\'aly Pocsai, Imre Ferenc Barna, Joshua T. Moody
and G\'abor Demeter
- Abstract要約: 我々は,Deep Neural Networks のトレーニングのために,様々なプラズマパラメータを持つシミュレーション信号のデータベースを構築した。
本研究では,実験パラメータのわずかな変化に対して,ネットワークが供給するパラメータ推定がレジリエンスであることを示す。
- 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: We investigate the usage of a Schlieren imaging setup to measure the
geometrical dimensions of a plasma channel in atomic vapor. Near resonant probe
light is used to image the plasma channel in a tenuous vapor and machine
learning techniques are tested for extracting quantitative information from the
images. By building a database of simulated signals with a range of plasma
parameters for training Deep Neural Networks, we demonstrate that they can
extract from the Schlieren images reliably and with high accuracy the location,
the radius and the maximum ionization fraction of the plasma channel as well as
the width of the transition region between the core of the plasma channel and
the unionized vapor. We test several different neural network architectures
with supervised learning and show that the parameter estimations supplied by
the networks are resilient with respect to slight changes of the experimental
parameters that may occur in the course of a measurement.
- Abstract(参考訳): 原子蒸気中のプラズマチャネルの幾何学的寸法を測定するためのシュリーレン撮像装置の使用について検討した。
近接共振プローブ光を用いて天性蒸気中のプラズマチャネルを撮像し、画像から定量的情報を抽出するための機械学習技術をテストする。
深層ニューラルネットワークを訓練するために, シミュレーションされた信号のデータベースを構築し, シュリーレン画像から, プラズマチャネルの位置, 半径, 最大イオン化率, およびプラズマチャネルのコアと結合蒸気との間の遷移領域の幅を, 確実にかつ高精度に抽出できることを実証した。
本研究では,複数のニューラルネットワークアーキテクチャを教師あり学習でテストし,測定過程で生じる実験パラメータのわずかな変化に対して,ネットワークから供給されるパラメータ推定がレジリエントであることを示す。
関連論文リスト
- Unmixing Optical Signals from Undersampled Volumetric Measurements by Filtering the Pixel Latent Variables [5.74378659752939]
遅延アンミキシング(Latent Unmixing)は、マルチスペクトルニューラルネットワークの潜在空間に帯域通過フィルタを適用する新しいアプローチである。
これは、特にアンダーサンプル分布の文脈において、個々の信号のコントリビューションのより優れた分離と定量化を可能にする。
本手法の物理実験における実用的利用を,本手法の汎用性を強調する2つの試験事例を通して紹介する。
論文 参考訳(メタデータ) (2023-12-08T20:34:37Z) - Plasma Surrogate Modelling using Fourier Neural Operators [57.52074029826172]
トカマク炉内のプラズマの進化を予測することは、持続可能な核融合の目標を実現するために不可欠である。
深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いた進化プラズマの正確な予測を実証する。
我々は、FNOが磁気流体力学モデルからシミュレーションされたプラズマ力学を予測する際に、従来の解法よりも6桁の速度を持つことを示した。
FNOは、MASTトカマク内のカメラで観測された実世界の実験データに基づいて、プラズマの進化を予測することもできる。
論文 参考訳(メタデータ) (2023-11-10T10:05:00Z) - Deep Learning assisted microwave-plasma interaction based technique for
plasma density estimation [1.4680035572775534]
本稿では,マイクロ波-プラズマ相互作用に基づく非侵襲的診断を支援するDeep Learning (DL)を提案する。
プラズマからのマイクロ波散乱による電界パターンを利用して密度分布を推定する。
得られた結果から,線状プラズマ装置の密度の2次元半径分布を推定する上で有望な性能を示した。
論文 参考訳(メタデータ) (2023-04-28T12:27:23Z) - Dif-Fusion: Towards High Color Fidelity in Infrared and Visible Image
Fusion with Diffusion Models [54.952979335638204]
本稿では,Dif-Fusionと呼ばれる拡散モデルを用いて,マルチチャネル入力データの分布を生成する手法を提案する。
我々の手法は、特にカラー忠実度において、他の最先端画像融合法よりも効果的である。
論文 参考訳(メタデータ) (2023-01-19T13:37:19Z) - Toward deep-learning-assisted spectrally-resolved imaging of magnetic
noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。
これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文 参考訳(メタデータ) (2022-08-01T19:18:26Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - Deep Learning Architecture Based Approach For 2D-Simulation of Microwave
Plasma Interaction [5.467400475482668]
本稿では,マイクロ波-プラズマ相互作用シミュレーションのための畳み込みニューラルネットワーク(CNN)に基づく深層学習モデルを提案する。
2D-FDTD (Finite Different Time Domain) を用いたマイクロ波プラズマ相互作用に関するトレーニングデータを生成する。
次に、トレーニングされたディープラーニングモデルを用いて、誤差マージンが2%未満のプラズマプロファイル上の1GHz入射マイクロ波の散乱電界値を再現する。
論文 参考訳(メタデータ) (2022-06-02T19:37:41Z) - Uncertainty-Aware Deep Multi-View Photometric Stereo [100.97116470055273]
光度ステレオ(PS)は高周波表面の細部を復元するのに優れ、マルチビューステレオ(MVS)はPSによる低周波歪みを除去し、大域的な形状を維持するのに役立つ。
本稿では,PS と MVS の相補的強みを効果的に活用する手法を提案する。
我々は,不確実性を考慮したディープPSネットワークとディープMVSネットワークを用いて,画素ごとの表面の正規度と深さを推定する。
論文 参考訳(メタデータ) (2022-02-26T05:45:52Z) - Tunable Anderson Localization of Dark States [146.2730735143614]
超伝導導波路量子電磁力学系におけるアンダーソンの局在について実験的に検討した。
サブラジアント暗黒モード近傍での伝送係数の指数的抑制を観測する。
この実験は、新しいプラットフォーム上での様々なローカライゼーション現象の研究の扉を開く。
論文 参考訳(メタデータ) (2021-05-25T07:52:52Z) - Detecting optical transients using artificial neural networks and
reference images from different surveys [0.0]
人工ニューラルネットワークを用いてこれらのトランジェントを検出する手法を提案する。
1つの画像は、潜在的な過渡期が存在する可能性があるエポックに対応しており、もう1つは初期のエポックの参照画像である。
実画像データから生成されたサンプルを用いて、シミュレーションされたサンプルに基づいて畳み込みニューラルネットワークと高密度層ネットワークを訓練し、トレーニングされたネットワークを試験した。
論文 参考訳(メタデータ) (2020-09-28T22:16:54Z) - Deep Network for Scatterer Distribution Estimation for Ultrasound Image
Simulation [8.13909718726358]
観測された超音波データから確率的散乱器推定のための畳み込みニューラルネットワーク手法を実証する。
いくつかの既存手法と比較して,本手法で推定した散乱器表現から合成した画像が観測値と密接に一致していることが,数値シミュレーションおよびin-vivo画像で実証された。
論文 参考訳(メタデータ) (2020-06-17T21:25:13Z)
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。