論文の概要: Implicit Neural Representation as a Differentiable Surrogate for Photon
Propagation in a Monolithic Neutrino Detector
- arxiv url: http://arxiv.org/abs/2211.01505v1
- Date: Wed, 2 Nov 2022 22:33:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 14:03:20.350575
- Title: Implicit Neural Representation as a Differentiable Surrogate for Photon
Propagation in a Monolithic Neutrino Detector
- Title（参考訳）: モノリシックニュートリノ検出器における光子伝搬の異なるサロゲートとしての入射神経表現
- Authors: Minjie Lei, Ka Vang Tsang, Sean Gasiorowski, Chuan Li, Youssef Nashed,
Gianluca Petrillo, Olivia Piazza, Daniel Ratner, Kazuhiro Terao
- Abstract要約: 現代のニュートリノ実験では、数十万から数万の光子検出器を用いて、荷電粒子のエネルギー沈着から生じる数百万から数十億のシンチレーション光子の信号を観測している。
これらのニュートリノ検出器は典型的には大きく、ターゲット体積のキロトンを含み、光学特性が異なる。
個々の光子伝播をルックアップテーブルとしてモデル化するには、膨大な計算資源が必要である。
本稿では,周期的アクティベーション機能を持つ暗黙的ニューラル表現であるSIRENを用いて,ルックアップテーブルを3次元シーンとしてモデル化し,高精度に受容マップを再現する手法を提案する。
- 参考スコア（独自算出の注目度）: 1.519243708135793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optical photons are used as signal in a wide variety of particle detectors.
Modern neutrino experiments employ hundreds to tens of thousands of photon
detectors to observe signal from millions to billions of scintillation photons
produced from energy deposition of charged particles. These neutrino detectors
are typically large, containing kilotons of target volume, with different
optical properties. Modeling individual photon propagation in form of look-up
table requires huge computational resources. As the size of a table increases
with detector volume for a fixed resolution, this method scales poorly for
future larger detectors. Alternative approaches such as fitting a polynomial to
the model could address the memory issue, but results in poorer performance.
Both look-up table and fitting approaches are prone to discrepancies between
the detector simulation and the data collected. We propose a new approach using
SIREN, an implicit neural representation with periodic activation functions, to
model the look-up table as a 3D scene and reproduces the acceptance map with
high accuracy. The number of parameters in our SIREN model is orders of
magnitude smaller than the number of voxels in the look-up table. As it models
an underlying functional shape, SIREN is scalable to a larger detector.
Furthermore, SIREN can successfully learn the spatial gradients of the photon
library, providing additional information for downstream applications. Finally,
as SIREN is a neural network representation, it is differentiable with respect
to its parameters, and therefore tunable via gradient descent. We demonstrate
the potential of optimizing SIREN directly on real data, which mitigates the
concern of data vs. simulation discrepancies. We further present an application
for data reconstruction where SIREN is used to form a likelihood function for
photon statistics.
- Abstract（参考訳）: 光光子は様々な粒子検出器の信号として用いられる。
現代のニュートリノ実験では、数十万から数万の光子検出器を用いて、荷電粒子のエネルギー沈着から生じる数百万から数十億のシンチレーション光子の信号を観測している。
これらのニュートリノ検出器は通常、異なる光学特性を持つ標的体積のキロトンを含む大型である。
個々の光子伝播をルックアップテーブルとしてモデル化するには、膨大な計算資源が必要である。
テーブルのサイズが一定解像度の検出器体積で大きくなると、この方法は将来の大型検出器ではスケールが悪くなる。
多項式をモデルに合わせるなどの別のアプローチはメモリの問題に対処するが、結果として性能は低下する。
ルックアップテーブルとフィッティングアプローチはどちらも、検出器シミュレーションと収集されたデータの間に相違がある。
本稿では,周期的アクティベーション機能を持つ暗黙的ニューラル表現であるSIRENを用いて,ルックアップテーブルを3次元シーンとしてモデル化し,高精度に受容マップを再現する手法を提案する。
SIRENモデルのパラメータ数は、ルックアップテーブルのボクセルの数よりも桁違いに小さい。
基礎となる機能形状をモデル化するため、SIRENはより大きな検出器にスケーラブルである。
さらに、SIRENは光子ライブラリの空間勾配の学習に成功し、下流アプリケーションのための追加情報を提供する。
最後に、SIRENはニューラルネットワークの表現であるため、パラメータに関して微分可能であり、従って勾配降下によって調整可能である。
我々は,SIRENを直接実データに最適化する可能性を示し,データとシミュレーションの相違を緩和する。
さらに、SIRENを用いて光子統計の確率関数を形成するデータ再構成への応用について述べる。
関連論文リスト
- bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。
Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。
本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2024-10-30T17:30:35Z) - Assessing Neural Network Representations During Training Using
Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。
データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。
本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文 参考訳（メタデータ） (2023-12-04T01:32:42Z) - 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) - On-chip quantum information processing with distinguishable photons [55.41644538483948]
多光子干渉は光量子技術の中心にある。
そこで本研究では,共振器型集積光子源に必要なスケールで変形した光子を干渉させるのに十分な時間分解能で検出を実装できることを実験的に実証した。
ボソンサンプリング実験において,非イデアル光子の時間分解検出がエンタングル操作の忠実度を向上し,計算複雑性の低減を図ることができることを示す。
論文 参考訳（メタデータ） (2022-10-14T18:16:49Z) - Resolution of 100 photons and quantum generation of unbiased random
numbers [0.0]
光の量子検出は、主にマイクロスケールに還元される。
光子数を解くために測定を行う能力は、様々な量子情報応用に非常に望ましい。
本研究では,光子計測をメソスコピック系に拡張し,高量子効率の遷移エッジセンサの多重化に基づく検出手法を実装した。
論文 参考訳（メタデータ） (2022-05-02T21:34:01Z) - Using machine learning to parametrize postmerger signals from binary
neutron stars [2.375594719720939]
我々は、条件付き変分オートエンコーダ(CVAE)を用いて、超大質量中性子星残差信号のアフターマーガーモデルを構築する。
CVAEは、潜在パラメータのセット内のトレーニングデータの不確実性を符号化する。
CVAEは正確な生成モデルとして利用でき、有効な潜在表現として状態方程式を符号化できることを示す。
論文 参考訳（メタデータ） (2022-01-17T15:14:35Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Photon detection probability prediction using one-dimensional generative
neural network [62.997667081978825]
本論文では,OuterProduct-layer を用いて特徴を効率よく生成する一次元生成モデルを提案する。
このモデルは光子輸送シミュレーションをバイパスし、特定の光子検出器によって検出された光子の数をGeant4simulationと同じレベルで予測する。
この生成モデルは、ProtoDUNEやDUNEのような巨大な液体アルゴン検出器の光子検出確率を迅速に予測するために用いられる。
論文 参考訳（メタデータ） (2021-09-11T01:43:12Z) - Quantum metamaterial for nondestructive microwave photon counting [52.77024349608834]
弱い非線形メタマテリアルに基づいてマイクロ波領域で動作する単一光子検出器の設計を提案する。
単光子検出の忠実度はメタマテリアルの長さとともに増加し,実験的に現実的な長さで接近することを示す。
光領域で動作する従来の光子検出器とは対照的に、光子検出により光子を破壊せず、光子波束を最小限に乱す。
論文 参考訳（メタデータ） (2020-05-13T18:00:03Z) - Optimization of multiplexed single-photon sources operated with
photon-number-resolving detectors [0.0]
光子番号を解くことができる検出器は近年大きな発展を遂げており、これは多重周期的な単光子源に影響を与えることが期待されている。
我々は、光子数分解検出器を用いて、空間的および時間的に多重化された周期的な単一光子源配置を分析する。
最も高い単光子確率は0.907であり、これは光子数分解検出器を用いて二分バルク時間多重化によって達成できる。
論文 参考訳（メタデータ） (2020-03-25T08:46:19Z)
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。