論文の概要: Bayesian Algorithm Execution for Tuning Particle Accelerator Emittance
with Partial Measurements
- arxiv url: http://arxiv.org/abs/2209.04587v1
- Date: Sat, 10 Sep 2022 04:01:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 12:45:53.793599
- Title: Bayesian Algorithm Execution for Tuning Particle Accelerator Emittance
with Partial Measurements
- Title（参考訳）: 部分測定による調整粒子加速器エミタンスのベイズアルゴリズムによる実行
- Authors: Sara A. Miskovich, Willie Neiswanger, William Colocho, Claudio Emma,
Jacqueline Garrahan, Timothy Maxwell, Christopher Mayes, Stefano Ermon,
Auralee Edelen, Daniel Ratner
- Abstract要約: 粒子加速器では、四重極走査からのエミタンスチューニングが多点測定による最適化の例である。
本稿では,最近提案したBayesian Execution Algorithm (BAX) を多点計測による最適化に拡張する。
我々は,Linac Coherent Light Source (LCLS) とAdvanced Accelerator Experimental Tests II (FACET-II) 粒子加速器の発光にBAXを適用した。
- 参考スコア（独自算出の注目度）: 57.646231170869925
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional black-box optimization methods are inefficient when dealing with
multi-point measurement, i.e. when each query in the control domain requires a
set of measurements in a secondary domain to calculate the objective. In
particle accelerators, emittance tuning from quadrupole scans is an example of
optimization with multi-point measurements. Although the emittance is a
critical parameter for the performance of high-brightness machines, including
X-ray lasers and linear colliders, comprehensive optimization is often limited
by the time required for tuning. Here, we extend the recently-proposed Bayesian
Algorithm Execution (BAX) to the task of optimization with multi-point
measurements. BAX achieves sample-efficiency by selecting and modeling
individual points in the joint control-measurement domain. We apply BAX to
emittance minimization at the Linac Coherent Light Source (LCLS) and the
Facility for Advanced Accelerator Experimental Tests II (FACET-II) particle
accelerators. In an LCLS simulation environment, we show that BAX delivers a
20x increase in efficiency while also being more robust to noise compared to
traditional optimization methods. Additionally, we ran BAX live at both LCLS
and FACET-II, matching the hand-tuned emittance at FACET-II and achieving an
optimal emittance that was 24% lower than that obtained by hand-tuning at LCLS.
We anticipate that our approach can readily be adapted to other types of
optimization problems involving multi-point measurements commonly found in
scientific instruments.
- Abstract（参考訳）: 従来のブラックボックス最適化手法は、マルチポイント計測を扱う場合、すなわち、制御領域の各クエリが目的を計算するためにセカンダリドメイン内の一連の測定を必要とする場合、非効率である。
粒子加速器では、四重極走査からのエミタンスチューニングが多点測定による最適化の例である。
発光は、X線レーザーや線形衝突器を含む高輝度機械の性能にとって重要なパラメータであるが、総合的な最適化はチューニングに必要な時間によって制限されることが多い。
本稿では,最近提案されたベイズアルゴリズム実行(BAX)を,多点計測による最適化に拡張する。
baxは、ジョイント制御測定領域内の個々の点を選択してモデル化することでサンプル効率を達成する。
我々は,Linac Coherent Light Source (LCLS) と Advanced Accelerator Experimental Tests II (FACET-II) 粒子加速器の発光最小化にBAXを適用した。
LCLSシミュレーション環境では,BAXは従来の最適化手法に比べてノイズに強いため,効率が20倍向上することを示した。
さらに,FACET-IIのハンドチューニングエミタンスをLCLSとFACET-IIの両方で実行し,LCLSのハンドチューニングで得られたものよりも24%低い最適なエミタンスを実現した。
我々は,本手法が科学機器でよく見られる多点計測を含む他の最適化問題にも容易に適用可能であることを期待する。
関連論文リスト
- EXAQ: Exponent Aware Quantization For LLMs Acceleration [15.610222058802005]
ソフトマックス関数への入力に対して最適なクリッピング値を決定するための解析的手法を提案する。
この方法は$ex$と$sum(ex)$の両方の計算を最小限の精度で高速化する。
この超低ビット量子化は、蓄積相において初めて約4倍の加速を可能にする。
論文 参考訳（メタデータ） (2024-10-04T06:54:30Z) - EfficientQAT: Efficient Quantization-Aware Training for Large Language Models [50.525259103219256]
量子化対応トレーニング(QAT)は、低ビット表現によるメモリ消費を最小限の精度で削減することで、ソリューションを提供する。
より有効なQATアルゴリズムであるEfficient QAT(Efficient Quantization-Aware Training)を提案する。
効率的なQATは、全てのパラメータのブロックワイドトレーニング(Block-AP)と量子化パラメータのエンドツーエンドトレーニング(E2E-QP)の2つのフェーズを含む。
論文 参考訳（メタデータ） (2024-07-10T17:53:30Z) - Parameter-efficient Tuning of Large-scale Multimodal Foundation Model [68.24510810095802]
我々はこれらの課題を克服するために、クロスモーダル転送(Aurora)のための優雅なプロンプトフレームワークを提案する。
既存のアーキテクチャの冗長性を考慮すると、まずモード近似を用いて0.1Mのトレーニング可能なパラメータを生成し、マルチモーダルプロンプトチューニングを実装する。
6つのクロスモーダルベンチマークの徹底的な評価は、最先端のベンチマークを上回るだけでなく、完全な微調整アプローチよりも優れていることを示している。
論文 参考訳（メタデータ） (2023-05-15T06:40:56Z) - Tuning Particle Accelerators with Safety Constraints using Bayesian
Optimization [73.94660141019764]
粒子加速器の機械パラメータのチューニングは反復的で時間を要する作業である。
我々は、安全なベイズ最適化のステップサイズ制限版を提案し、評価する。
論文 参考訳（メタデータ） (2022-03-26T02:21:03Z) - Recommender System Expedited Quantum Control Optimization [0.0]
量子制御最適化アルゴリズムは、最適な量子ゲートや効率的な量子状態転送を生成するために日常的に使用される。
効率的な最適化アルゴリズムの設計には2つの大きな課題がある。
本稿では,後者の課題に対処するため,機械学習手法,特にレコメンダシステム(RS)を提案する。
論文 参考訳（メタデータ） (2022-01-29T10:25:41Z) - Efficient Exploration in Binary and Preferential Bayesian Optimization [0.5076419064097732]
BOアルゴリズムは,異なるタイプの不確かさを区別することが重要であることを示す。
本稿では,最先端のBO関数より優れた新たな獲得関数を提案する。
論文 参考訳（メタデータ） (2021-10-18T14:44:34Z) - Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative
Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。
内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。
FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文 参考訳（メタデータ） (2021-09-13T08:31:59Z) - Multi-objective Recurrent Neural Networks Optimization for the Edge -- a
Quantization-based Approach [2.1987431057890467]
本稿では,Multi-Objective Hardware-Aware Quantization (MOHAQ)法を紹介する。
本研究では,検索空間内でのみ選択された解を学習し,ビーコンとして利用し,他の解に対する再学習の効果を知るための「ビーコンベース検索」という検索手法を提案する。
論文 参考訳（メタデータ） (2021-08-02T22:09:12Z) - BiAdam: Fast Adaptive Bilevel Optimization Methods [104.96004056928474]
バイレベル最適化は多くの応用のために機械学習への関心が高まっている。
制約付き最適化と制約なし最適化の両方に有用な分析フレームワークを提供する。
論文 参考訳（メタデータ） (2021-06-21T20:16:40Z) - Differentiable Expected Hypervolume Improvement for Parallel
Multi-Objective Bayesian Optimization [11.956059322407437]
我々は、期待されるハイパー改善(EHVI)を用いた多目的BOのプログラミングモデルとハードウェアアクセラレーションの最近の進歩を活用する。
我々は、EHVIを並列な制約付き評価設定に拡張する取得関数であるq-Expected Hyper Improvement (qEHVI) の新規な定式化を導出する。
実験により,qEHVIは実運用シナリオの多くで計算可能であり,壁面時間のごく一部で最先端の多目的BOアルゴリズムより優れていることが示された。
論文 参考訳（メタデータ） (2020-06-09T06:57:47Z)
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。