論文の概要: Active learning-assisted neutron spectroscopy with log-Gaussian processes

• arxiv url: http://arxiv.org/abs/2209.00980v3
• Date: Fri, 21 Apr 2023 05:44:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 18:07:36.552653
• Title: Active learning-assisted neutron spectroscopy with log-Gaussian processes
• Title（参考訳）: 対数ガウス過程を用いた能動学習支援中性子分光法
• Authors: Mario Teixeira Parente, Georg Brandl, Christian Franz, Uwe Stuhr, Marina Ganeva, Astrid Schneidewind
• Abstract要約: 多くの科学的問題は、手動で行うと時間がかかり非効率な信号を探す必要がある。 ここでは,確率論的能動的学習手法について述べる。これは,自律的に実行されるだけでなく,情報的測定のための場所を直接提供することができる。 結果として得られる利点は、実際のTAS実験と、多数の異なる励起を含むベンチマークで実証することができる。
• 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: Neutron scattering experiments at three-axes spectrometers (TAS) investigate magnetic and lattice excitations by measuring intensity distributions to understand the origins of materials properties. The high demand and limited availability of beam time for TAS experiments however raise the natural question whether we can improve their efficiency and make better use of the experimenter's time. In fact, there are a number of scientific problems that require searching for signals, which may be time consuming and inefficient if done manually due to measurements in uninformative regions. Here, we describe a probabilistic active learning approach that not only runs autonomously, i.e., without human interference, but can also directly provide locations for informative measurements in a mathematically sound and methodologically robust way by exploiting log-Gaussian processes. Ultimately, the resulting benefits can be demonstrated on a real TAS experiment and a benchmark including numerous different excitations.
• Abstract（参考訳）: 3軸分光器(TAS)における中性子散乱実験は、材料特性の起源を理解するために強度分布を測定することによって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、その効率を改善し、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、信号の探索を必要とする科学的な問題は数多くあるが、これは非形式的領域における測定のために手作業で行う場合、時間がかかり非効率である可能性がある。 本稿では,人間の干渉なしに自律的に実行するだけでなく,ログガウス過程を利用して数学的に健全で方法論的にロバストな方法で情報的測定を行う場所を直接提供できる確率論的アクティブラーニング手法について述べる。 最終的には、実際のTAS実験と多数の異なる励起を含むベンチマークで得られる利点を実証することができる。

関連論文リスト

• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• GFlowNets for AI-Driven Scientific Discovery [74.27219800878304]
  我々はGFlowNetsと呼ばれる新しい確率論的機械学習フレームワークを提案する。 GFlowNetsは、実験科学ループのモデリング、仮説生成、実験的な設計段階に適用できる。 我々は、GFlowNetsがAIによる科学的発見の貴重なツールになり得ると論じている。
  論文  参考訳（メタデータ） (2023-02-01T17:29:43Z)
• A Machine Learning approach for correcting radial velocities using physical observables [0.0]
  シミュレーションと実データを用いて、恒星の活動を自由なドップラーで測定するディープニューラルネットワーク手法の能力について検討する。 RV非依存的アプローチは、既知の物理的効果から急激なドップラー変動を大幅に低減できることを示す。 観測された変動率と補正の一致をよく観察するが,ノイズ低減はシミュレーションほど良くないことがわかった。
  論文  参考訳（メタデータ） (2023-01-30T13:25:00Z)
• 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)
• Spectroscopic data de-noising via training-set-free deep learning method [0.0]
  トレーニングセットを必要とせずに固有スペクトル情報を抽出するデノイズ化手法を開発した。 本手法ではスペクトル自体の自己相関情報を活用することができる。 固有エネルギーバンドの特徴を保存し、さらなる分析と処理を容易にする。
  論文  参考訳（メタデータ） (2022-10-19T12:04:35Z)
• 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)
• Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
  固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。 1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。 ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2021-05-27T18:00:02Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)
• Heuristic machinery for thermodynamic studies of SU(N) fermions with neural networks [1.1910997817688513]
  機械学習分析を用いて機械を導入する。 我々は、SU($N$)スピン対称性内で相互作用する超低温フェルミオンの密度プロファイルにおける熱力学的研究の導出に機械を用いる。 我々の機械学習フレームワークは、SU($N$) フェルミ液体の理論的記述を検証できる可能性を示している。
  論文  参考訳（メタデータ） (2020-06-25T02:31:55Z)

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。