論文の概要: Two-dimensional total absorption spectroscopy with conditional
generative adversarial networks
- arxiv url: http://arxiv.org/abs/2206.11792v2
- Date: Tue, 28 Nov 2023 01:39:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-30 17:39:53.316768
- Title: Two-dimensional total absorption spectroscopy with conditional
generative adversarial networks
- Title（参考訳）: 条件付き生成逆数ネットワークを用いた2次元全吸収分光
- Authors: Cade Dembski, Michelle P. Kuchera, Sean Liddick, Raghu Ramanujan,
Artemis Spyrou
- Abstract要約: 我々は、TAS検出器で$E_x$および$E_gamma$データを展開するために条件付き生成対向ネットワークを使用する。
シミュレーションテストケースの93%以上において, 検出器分解能限界内でのキャラクタリゼーション能力を示す。
- 参考スコア（独自算出の注目度）: 0.22499166814992444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We explore the use of machine learning techniques to remove the response of
large volume $\gamma$-ray detectors from experimental spectra. Segmented
$\gamma$-ray total absorption spectrometers (TAS) allow for the simultaneous
measurement of individual $\gamma$-ray energy (E$_\gamma$) and total excitation
energy (E$_x$). Analysis of TAS detector data is complicated by the fact that
the E$_x$ and E$_\gamma$ quantities are correlated, and therefore, techniques
that simply unfold using E$_x$ and E$_\gamma$ response functions independently
are not as accurate. In this work, we investigate the use of conditional
generative adversarial networks (cGANs) to simultaneously unfold $E_{x}$ and
$E_{\gamma}$ data in TAS detectors. Specifically, we employ a \texttt{Pix2Pix}
cGAN, a generative modeling technique based on recent advances in deep
learning, to treat \rawmatrix~ matrix unfolding as an image-to-image
translation problem. We present results for simulated and experimental matrices
of single-$\gamma$ and double-$\gamma$ decay cascades. Our model demonstrates
characterization capabilities within detector resolution limits for upwards of
93% of simulated test cases.
- Abstract（参考訳）: 実験スペクトルから大量の$\gamma$-ray検出器の応答を除去するために、機械学習技術の利用を検討する。
分割された$\gamma$-ray total absorption spectrometers (tas) により、個々の$\gamma$-ray energy (e$_\gamma$) と全励起エネルギー (e$_x$) を同時に測定することができる。
TAS検出器データの解析は、E$_x$とE$_\gamma$の量とが相関しているという事実により複雑であり、E$_x$とE$_\gamma$の応答関数を独立に展開する技術は正確ではない。
本研究では,条件付き生成逆数ネットワーク(cGAN)を用いて,TAS検出器における$E_{x}$と$E_{\gamma}$データを同時に展開する。
具体的には,近年の深層学習の進歩に基づく生成モデリング手法である「texttt{Pix2Pix} cGAN」を用いて,画像から画像への変換問題として「rawmatrix~行列展開」を扱う。
本研究は, 1-$\gamma$ および double-$\gamma$ 崩壊カスケードのシミュレーションおよび実験行列に関する結果である。
シミュレーションテストケースの93%以上において, 検出器分解能限界内でのキャラクタリゼーション能力を示す。
関連論文リスト
- Collaborative non-parametric two-sample testing [55.98760097296213]
目標は、null仮説の$p_v = q_v$が拒否されるノードを特定することである。
グラフ構造を効率的に活用する非パラメトリックコラボレーティブ2サンプルテスト(CTST)フレームワークを提案する。
提案手法は,f-divergence Estimation, Kernel Methods, Multitask Learningなどの要素を統合する。
論文 参考訳（メタデータ） (2024-02-08T14:43:56Z) - Quantum state tomography, entanglement detection and Bell violation
prospects in weak decays of massive particles [0.0]
この方法は、$rho$の$d$次元一般化されたゲルマン表現のブロッホパラメタライゼーションに基づいている。
Wigner $P$ と $Q$ の記号は、スピンハーフ、スピン1、スピン3/2系の場合には計算される。
これらの手法は、二部系に対する$pp$の衝突のモンテカルロシミュレーションを調べるために用いられる。
論文 参考訳（メタデータ） (2022-09-28T10:35:39Z) - Community Detection in the Hypergraph SBM: Exact Recovery Given the
Similarity Matrix [1.74048653626208]
我々は$similarity$matrix$W$で動作するアルゴリズムの性能を調査し、$W_ij$は$i$と$j$の両方を含むハイパーエッジの数を報告する。
ほぼ線形な実行時間を持つ単純かつ高効率なスペクトルアルゴリズムを設計し,min-bisectionしきい値を達成することを示す。
論文 参考訳（メタデータ） (2022-08-23T15:22:05Z) - Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。
我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
論文 参考訳（メタデータ） (2022-03-18T18:50:52Z) - Machine learning Hadron Spectral Functions in Lattice QCD [0.16799377888527683]
本稿では,変分オートエンコーダ(VAE)とベイズ定理に基づく新しいニューラルネットワーク(sVAE)を提案する。
最大エントロピー法(MEM)に着想を得て、シャノン・ジャイネスエントロピー項と確率項を含むニューラルワークの損失関数を構築する。
ほとんどの場合、sVAEはスペクトル関数の再構成における最大エントロピー法に匹敵する。
論文 参考訳（メタデータ） (2021-12-01T12:41:28Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T12:54:48Z) - Machine learning spectral functions in lattice QCD [0.0]
ユークリッド相関関数から機械学習を用いてスペクトル関数を再構成する逆問題について検討する。
本稿では,変分オートエンコーダ(VAE)に基づく新しいニュートラルネットワーク sVAE を提案する。
論文 参考訳（メタデータ） (2021-10-26T09:23:45Z) - Tightening the Dependence on Horizon in the Sample Complexity of
Q-Learning [59.71676469100807]
この研究は、同期Q-ラーニングのサンプルの複雑さを、任意の$0varepsilon 1$に対して$frac|mathcalS| (1-gamma)4varepsilon2$の順序に絞る。
計算やストレージを余分に必要とせずに、高速なq-learningにマッチするvanilla q-learningの有効性を明らかにした。
論文 参考訳（メタデータ） (2021-02-12T14:22:05Z) - Linear-Sample Learning of Low-Rank Distributions [56.59844655107251]
ktimes k$, rank-r$, matrices to normalized $L_1$ distance requires $Omega(frackrepsilon2)$ sample。
我々は、$cal O(frackrepsilon2log2fracepsilon)$ sample, a number linear in the high dimension, and almost linear in the matrices, usually low, rank proofs.というアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-09-30T19:10:32Z) - Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and
Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。
Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文 参考訳（メタデータ） (2020-06-04T17:51:00Z)
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。