論文の概要: Log-Gaussian processes for AI-assisted TAS experiments

• arxiv url: http://arxiv.org/abs/2209.00980v1
• Date: Fri, 2 Sep 2022 12:20:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-05 12:56:20.011757
• Title: Log-Gaussian processes for AI-assisted TAS experiments
• Title（参考訳）: AI支援TAS実験のためのログガウス過程
• Authors: Mario Teixeira Parente, Georg Brandl, Christian Franz, Uwe Stuhr, Marina Ganeva, Astrid Schneidewind
• Abstract要約: 3軸分光器(TAS)における中性子散乱実験は、その運動量(Q)とエネルギー(E)空間の強度分布を測定することにより、試料中の磁気および格子励起を研究する。 しかし、TAS実験における高需要とビームタイムの限られた利用は、その効率を改善するか、実験者の時間をうまく活用できるかという自然な疑問を提起する。 能動学習は有望な汎用機械学習アプローチであり、人間の干渉なしに信号の情報領域を自動で検出し、不要な測定を避け、実験をスピードアップすることができる。
• 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: To understand the origins of materials properties, neutron scattering experiments at three-axes spectrometers (TAS) investigate magnetic and lattice excitations in a sample by measuring intensity distributions in its momentum (Q) and energy (E) space. The high demand and limited availability of beam time for TAS experiments however raise the natural question whether we can improve their efficiency or make better use of the experimenter's time. In fact, using TAS, there are a number of scientific questions that require searching for signals of interest in a particular region of Q-E space, but when done manually, it is time consuming and inefficient since the measurement points may be placed in uninformative regions such as the background. Active learning is a promising general machine learning approach that allows to iteratively detect informative regions of signal autonomously, i.e., without human interference, thus avoiding unnecessary measurements and speeding up the experiment. In addition, the autonomous mode allows experimenters to focus on other relevant tasks in the meantime. The approach that we describe in this article exploits log-Gaussian processes which, due to the log transformation, have the largest approximation uncertainties in regions of signal. Maximizing uncertainty as an acquisition function hence directly yields locations for informative measurements. We demonstrate the benefits of our approach on outcomes of a real neutron experiment at the thermal TAS EIGER (PSI) as well as on results of a benchmark in a synthetic setting including numerous different excitations.
• Abstract（参考訳）: 物質特性の起源を理解するため、3軸分光器(TAS)での中性子散乱実験は、その運動量(Q)とエネルギー(E)空間の強度分布を測定して試料中の磁気および格子励起を調べた。 しかし、TAS実験における高需要とビームタイムの限られた利用は、その効率を改善するか、実験者の時間をうまく活用できるかという自然問題を引き起こす。 実際、TASを使用すると、Q-E空間の特定の領域における興味ある信号の探索を必要とする科学的な疑問が多数存在するが、手作業で行うと、測定ポイントが背景のような非形式的な領域に置かれるため、時間がかかり非効率である。 アクティブ・ラーニング(英: Active Learning)は、人間の干渉なしに信号の情報領域を反復的に検出し、不必要な測定を回避し、実験を高速化する、有望な汎用機械学習手法である。 さらに、自律モードにより、実験者は他の関連するタスクに集中することができる。 本論文で記述するアプローチは、ログ変換により信号領域における最大の近似不確実性を持つログガウシアン過程を利用する。 取得関数としての不確実性を最大化すると、情報測定のための位置が直接得られる。 熱TAS EIGER(PSI)における実中性子実験の結果に対するアプローチの利点と,多数の異なる励起を含む合成環境でのベンチマークの結果について述べる。

関連論文リスト

• Digital noise spectroscopy with a quantum sensor [57.53000001488777]
  本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。 ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。 ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
  論文  参考訳（メタデータ） (2022-12-19T02:19:35Z)
• Toward an understanding of the properties of neural network approaches for supernovae light curve approximation [53.180678723280145]
  時系列は、ピークや光度低下推定のような光度分類と特徴付けに使用される。 時系列は多次元で、不規則にサンプリングされ、外れ値を含み、明確に定義された体系的な不確実性を持たない。 単一光曲線の観測を近似するために,ニューラルネットワークに基づく光曲線近似法について検討する。
  論文  参考訳（メタデータ） (2022-09-15T18:00:08Z)
• Active Exploration via Experiment Design in Markov Chains [86.41407938210193]
  科学と工学における重要な課題は、未知の量の興味について学ぶために実験を設計することである。 本稿では,最適値に収束したポリシを効率的に選択するアルゴリズムを提案する。 理論分析に加えて,生態モニタリングと薬理学の応用に関する枠組みを概説する。
  論文  参考訳（メタデータ） (2022-06-29T00:04:40Z)
• Spherical Poisson Point Process Intensity Function Modeling and Estimation with Measure Transport [0.20305676256390934]
  球面上の非同次ポアソン過程強度関数をモデル化するための新しいアプローチを提案する。 このフレームワークの中心的な考え方は、球面上の関心の根底にある強度関数を、球面上のより単純な参照、強度関数に変換するフレキシブルな単射写像を構築し、推定することである。
  論文  参考訳（メタデータ） (2022-01-24T06:46:22Z)
• alpha-Deep Probabilistic Inference (alpha-DPI): efficient uncertainty quantification from exoplanet astrometry to black hole feature extraction [7.5042943749402555]
  推論は、間接的および雑音の測定から隠れた天体物理学の特徴を推定する現代の天文学研究において重要である。 従来の後方推定手法にはサンプリングに基づく手法と変分推論がある。 生成ニューラルネットワークと組み合わせたアルファ・ディバージェンス変分推論を用いて、近似した後進を学習するディープラーニングフレームワークであるα-DPIを提案する。
  論文  参考訳（メタデータ） (2022-01-21T00:58:10Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• Provable RL with Exogenous Distractors via Multistep Inverse Dynamics [85.52408288789164]
  実世界の強化学習(RL)の応用は、メガピクセルカメラから生成されたような高次元の観察にエージェントが対処する必要がある。 従来の研究は表現学習でこのような問題に対処しており、エージェントは生の観察から内因性、潜伏状態の情報を確実に抽出することができる。 しかし、このような手法は観測において時間的に相関するノイズの存在下では失敗する可能性がある。
  論文  参考訳（メタデータ） (2021-10-17T15:21:27Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Output-Weighted Optimal Sampling for Bayesian Experimental Design and Uncertainty Quantification [0.0]
  サンプル選択のための一連の取得関数を導入し,ベイズの実験設計と不確実性定量化に関する応用において,より高速な収束をもたらす。 提案手法は,ブラックボックス関数の入力方向が他よりも出力に大きく影響していることを活用することを目的としており,特に稀かつ極端な事象を示すシステムにおいて重要である。
  論文  参考訳（メタデータ） (2020-06-22T16:21:54Z)
• Autonomous Materials Discovery Driven by Gaussian Process Regression with Inhomogeneous Measurement Noise and Anisotropic Kernels [1.976226676686868]
  実験分野の大半は、新しい科学的発見を探すために、大規模で高次元のパラメータ空間を探索するという課題に直面している。 近年の進歩により、探査プロセスの自動化が進み、材料発見の効率が向上した。 ガンマプロセス回帰(GPR)技術は多くの種類の実験を操る方法として登場した。
  論文  参考訳（メタデータ） (2020-06-03T19:18:47Z)

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。