論文の概要: How to Train Your Gyro: Reinforcement Learning for Rotation Sensing with
a Shaken Optical Lattice
- arxiv url: http://arxiv.org/abs/2212.14473v1
- Date: Thu, 29 Dec 2022 22:22:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 02:34:41.797086
- Title: How to Train Your Gyro: Reinforcement Learning for Rotation Sensing with
a Shaken Optical Lattice
- Title(参考訳): ジャイロのトレーニング方法:シェーク光格子を用いた回転センシングのための強化学習
- Authors: Liang-Ying Chih, Dana Z. Anderson, Murray Holland
- Abstract要約: 振動格子型物質波ジャイロスコープの設計に強化学習を適用した。
この機械は、従来の干渉法に固有のコンポーネントを分割、反映、再結合する方法に関する指示を与えられていない。
結果は、典型的なマッハ・ツェンダー型物質波干渉計の慣れ親しんだシーケンスとは全く異なる設計課題に対する機械学習された解である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the complexity of the next generation of quantum sensors increases, it
becomes more and more intriguing to consider a new paradigm in which the design
and control of metrological devices is supported by machine learning
approaches. In a demonstration of such a design philosophy, we apply
reinforcement learning to engineer a shaken-lattice matter-wave gyroscope
involving minimal human intuition. In fact, the machine is given no
instructions as to how to construct the splitting, reflecting, and recombining
components intrinsic to conventional interferometry. Instead, we assign the
machine the task of optimizing the sensitivity of a gyroscope to rotational
signals and ask it to create the lattice-shaking protocol in an end-to-end
fashion. What results is a machine-learned solution to the design task that is
completely distinct from the familiar sequence of a typical Mach-Zehnder-type
matter-wave interferometer, and with significant improvements in sensitivity.
- Abstract(参考訳): 次世代の量子センサの複雑さが増大するにつれて、機械学習アプローチによってメソジカルデバイスの設計と制御が支持される新しいパラダイムを考えることがますます興味をそそるようになる。
このような設計哲学の実証では,人間の直観を最小にすることを含む揺動・格子物質波ジャイロスコープの設計に強化学習を適用する。
実際、この機械は従来の干渉法に固有のコンポーネントを分割、反射、再結合する方法に関する指示を与えられていない。
代わりに、ジャイロスコープの感度を回転信号に最適化するタスクをマシンに割り当て、エンドツーエンドで格子シェイキングプロトコルを作成するように要求する。
結果として、典型的なマッハツェンダー型マターウェーブ干渉計の見慣れたシーケンスとは全く異なる設計タスクに対する機械主導のソリューションとなり、感度が大幅に向上した。
関連論文リスト
- Rotation Sensing using Tractor Atom Interferometry [0.6990493129893112]
提案したトラクタ原子干渉計(TAI)に基づく超低温原子回転センサの実現の可能性について検討する。
Laguerre-Gaussian-beam-based "pinwheel"光格子とマルチループ干渉回路の生成を含む実験設計について論じる。
提案方式の数値シミュレーションにより, 現代の物質波干渉計に匹敵するTAI回転感度を示す。
論文 参考訳(メタデータ) (2023-09-12T15:37:33Z) - Multi-Scale Control Signal-Aware Transformer for Motion Synthesis
without Phase [72.01862340497314]
マルチスケール制御信号認識変換器(MCS-T)を提案する。
MCS-Tは補助情報を用いてメソッドが生成した動作に匹敵する動作をうまく生成できる。
論文 参考訳(メタデータ) (2023-03-03T02:56:44Z) - The secret role of undesired physical effects in accurate shape sensing
with eccentric FBGs [1.0805335573008565]
偏心ファイバブラッググレーティング(FBG)は安価でファブリケートな形状のセンサーであり、単純な設定でしばしば尋問される。
本稿では,これらの限界を克服し,正確な形状推定を行う新しい手法を提案する。
論文 参考訳(メタデータ) (2022-10-28T09:07:08Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - Virtual twins of nonlinear vibrating multiphysics microstructures:
physics-based versus deep learning-based approaches [0.0]
深層学習手法を応用して,精度,効率的,リアルタイムな縮小順序モデルを生成する。
提案手法の信頼性を,マイクロミラー,アーチ,ジャイロスコープで広範囲に検証した。
電気メカニカルジャイロスコープに対処することにより、非侵入的深層学習アプローチが複雑な多物理問題に容易に一般化できることが示される。
論文 参考訳(メタデータ) (2022-05-12T07:40:35Z) - Spiderweb nanomechanical resonators via Bayesian optimization: inspired
by nature and guided by machine learning [0.6116681488656471]
メカニカル共振器は、次世代技術が室温環境で動作できるようにする。
窒化ケイ素ナノ共振器はこれらの進歩において主要なマイクロチッププラットフォームとして機能する。
ここでは、環境熱環境から分離された振動モードを示すクモウェブナノメカニカル共振器を開発した。
このバイオインスパイアされた共振器はその後製造され、室内温度環境において10億以上の品質要因を持つ力学の新しいパラダイムを実験的に確認する。
論文 参考訳(メタデータ) (2021-08-10T17:50:22Z) - Reinforcement-learning based matterwave interferometer in a shaken
optical lattice [0.0]
本研究では1次元の加速度を高精度に測定するための物質波干渉計の設計を実証する。
これをベースとするシステムは、レーザービームを干渉させることによって生成された光学格子電位の超低温原子から構成される。
論文 参考訳(メタデータ) (2021-06-21T22:27:41Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z) - Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理に着目した手法の概要を示す。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文 参考訳(メタデータ) (2021-04-09T01:38:34Z) - Attention that does not Explain Away [54.42960937271612]
Transformerアーキテクチャに基づくモデルは、大規模なタスクに対して競合するアーキテクチャに基づくモデルよりも精度が高い。
Transformerのユニークな特徴は、任意の距離で自由な情報の流れを可能にする自己認識機構の普遍的な応用である。
本稿では,実装が簡単で,"説明的回避"効果を避けるための理論的保証を提供する,二重正規化アテンション方式を提案する。
論文 参考訳(メタデータ) (2020-09-29T21:05:39Z) - Multilinear Compressive Learning with Prior Knowledge [106.12874293597754]
マルチリニア圧縮学習(MCL)フレームワークは、マルチリニア圧縮センシングと機械学習をエンドツーエンドシステムに統合する。
MCLの背後にある主要なアイデアは、下流学習タスクの信号から重要な特徴を捉えることのできるテンソル部分空間の存在を仮定することである。
本稿では、上記の要件、すなわち、関心の信号が分離可能なテンソル部分空間をどうやって見つけるかという、2つの要件に対処する新しい解決策を提案する。
論文 参考訳(メタデータ) (2020-02-17T19:06:05Z)
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。