論文の概要: Data-driven Science and Machine Learning Methods in Laser-Plasma Physics
- arxiv url: http://arxiv.org/abs/2212.00026v2
- Date: Wed, 24 May 2023 08:15:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 02:52:34.181818
- Title: Data-driven Science and Machine Learning Methods in Laser-Plasma Physics
- Title（参考訳）: レーザープラズマ物理におけるデータ駆動科学と機械学習
- Authors: Andreas D\"opp, Christoph Eberle, Sunny Howard, Faran Irshad, Jinpu
Lin and Matthew Streeter
- Abstract要約: 近年の技術的改善により、実験とシミュレーションの両方において、より多くのデータを集めることが可能になった。
これは、数学、統計学、計算機科学の高度な技術を使って、ビッグデータに対処し、利益を得るという関心を喚起した。
本稿では,レーザープラズマ物理への適用性に着目した機械学習手法の概要を述べる。
- 参考スコア（独自算出の注目度）: 4.893345190925178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Laser-plasma physics has developed rapidly over the past few decades as
high-power lasers have become both increasingly powerful and more widely
available. Early experimental and numerical research in this field was
restricted to single-shot experiments with limited parameter exploration.
However, recent technological improvements make it possible to gather an
increasing amount of data, both in experiments and simulations. This has
sparked interest in using advanced techniques from mathematics, statistics and
computer science to deal with, and benefit from, big data. At the same time,
sophisticated modeling techniques also provide new ways for researchers to
effectively deal with situations in which still only sparse amounts of data are
available. This paper aims to present an overview of relevant machine learning
methods with focus on applicability to laser-plasma physics, including its
important sub-fields of laser-plasma acceleration and inertial confinement
fusion.
- Abstract（参考訳）: レーザープラズマ物理学はこの数十年間で急速に発展し、高出力レーザーはますます強力で広く利用されるようになった。
この分野での初期実験および数値研究は、パラメータ探索が制限された単発実験に限定された。
しかし、最近の技術的改善により、実験とシミュレーションの両方において、より多くのデータを集めることが可能になった。
これは、ビッグデータを扱うために数学、統計学、計算機科学の高度な技術を使うことに関心を引いた。
同時に、高度なモデリング技術は、研究者が利用可能なデータの量が少ない状況に対して効果的に対処できる新しい方法を提供する。
本稿では,レーザープラズマ加速と慣性凝縮融合の重要なサブフィールドを含む,レーザープラズマ物理学への適用性に着目した機械学習手法の概要を述べる。
関連論文リスト
- MACK: Mismodeling Addressed with Contrastive Knowledge [0.6099917303150076]
機械学習モデルはより複雑になるにつれて、このシミュレーションと実験によって収集された実際のデータの違いにますます敏感になる。
本稿では、この負の効果を大幅に軽減できるコントラスト学習に基づく一般的な方法論を提案する。
大型ハドロン衝突型加速器におけるジェットタグの課題を用いたこの手法の有効性を実証するが、高エネルギー物理学の分野内外における幅広いタスクに適用できる。
論文 参考訳（メタデータ） (2024-10-17T18:18:41Z) - An optically accelerated extreme learning machine using hot atomic vapors [0.0]
熱水蒸気を伝播する光の強い非線形特性とチューナブルな非線形特性とエクストリーム学習マシンモデルを組み合わせた新しい設計を提案する。
我々は、MNIST画像分類タスクにおいて、そのような自由空間非線形伝搬を用いたトレーニングの強化を数値的および実験的に示す。
論文 参考訳（メタデータ） (2024-09-06T14:36:56Z) - Recent Advances on Machine Learning for Computational Fluid Dynamics: A Survey [51.87875066383221]
本稿では、基本概念、従来の手法、ベンチマークデータセットを紹介し、CFDを改善する上で機械学習が果たす様々な役割について検討する。
我々は,空気力学,燃焼,大気・海洋科学,生物流体,プラズマ,記号回帰,秩序の低減など,CFDにおけるMLの現実的な応用を強調した。
シミュレーションの精度を向上し、計算時間を短縮し、流体力学のより複雑な解析を可能にすることにより、MLはCFD研究を大きく変革する可能性があるという結論を導いた。
論文 参考訳（メタデータ） (2024-08-22T07:33:11Z) - Machine learning for advancing low-temperature plasma modeling and
simulation [0.0]
我々は、低温プラズマモデリングとシミュレーションへのアプローチに焦点をあてて、現状を概観する。
我々は、プラズマ科学と技術への潜在的な進歩の展望を提供する。
論文 参考訳（メタデータ） (2023-06-30T20:48:35Z) - 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) - Bridging Machine Learning and Sciences: Opportunities and Challenges [0.0]
機械学習の科学への応用は、近年、エキサイティングな進歩を遂げている。
近年,ディープ・ニューラルネットを用いたアウト・オブ・ディストリビューション検出は高次元データにおいて大きな進歩を遂げている。
我々は、データ普遍性、実験プロトコル、モデル堅牢性など、それらの適用可能性について批判的に考察する。
論文 参考訳（メタデータ） (2022-10-24T17:54:46Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - Quantum electrodynamics of intense laser-matter interactions: A tool for
quantum state engineering [0.1465840097113565]
我々は、強いレーザー-原子相互作用の包括的完全に量子化された記述を提供する。
我々は高調波発生の過程について詳述する。
半古典理論の文脈では明らかにできない新しい現象について論じる。
論文 参考訳（メタデータ） (2022-06-09T07:07:30Z) - Advanced Multi-Variate Analysis Methods for New Physics Searches at the
Large Hadron Collider [72.34476433304168]
ava4newphysicsは、高度多変量解析法と統計学習ツールの高エネルギー物理学問題へのカスタマイズと応用を研究した。
これらの手法の多くは、CERNにおけるATLASおよびCMS実験によるデータ解析の感度向上に成功している。
テスト段階にある他のいくつかは、基礎物理学パラメータの測定の精度と新しい現象の探索の到達範囲をさらに改善することを約束している。
論文 参考訳（メタデータ） (2021-05-16T22:20:30Z) - Conceptual Design Report for the LUXE Experiment [116.47875392913599]
我々は高エネルギーの電子-光子相互作用と光子-光子相互作用を分析して、量子物理学のこの到達不能な状態に達する。
予測される高光子フラックスは、標準モデルを超えた新しい物理の感度の高い探索を可能にする。
論文 参考訳（メタデータ） (2021-02-03T12:27:10Z) - Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。
その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。
結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文 参考訳（メタデータ） (2020-06-13T17:28:52Z)
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。