論文の概要: Machine Learning for Quantum-Enhanced Gravitational-Wave Observatories

• arxiv url: http://arxiv.org/abs/2305.13780v1
• Date: Tue, 23 May 2023 07:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 18:17:23.000147
• Title: Machine Learning for Quantum-Enhanced Gravitational-Wave Observatories
• Title（参考訳）: 量子強化重力波観測装置のための機械学習
• Authors: Chris Whittle, Ge Yang, Matthew Evans, Lisa Barsotti
• Abstract要約: 我々は、レーザー干渉計重力波観測所の3回目の観測中に、機械学習を用いてスクイーズレベルを予測する。 これらの技術の発展は、重力波検出器における圧縮状態注入の最適化に向けた今後の取り組みの基礎となる。
• 参考スコア（独自算出の注目度）: 2.7151296467157184
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning has become an effective tool for processing the extensive data sets produced by large physics experiments. Gravitational-wave detectors are now listening to the universe with quantum-enhanced sensitivity, accomplished with the injection of squeezed vacuum states. Squeezed state preparation and injection is operationally complicated, as well as highly sensitive to environmental fluctuations and variations in the interferometer state. Achieving and maintaining optimal squeezing levels is a challenging problem and will require development of new techniques to reach the lofty targets set by design goals for future observing runs and next-generation detectors. We use machine learning techniques to predict the squeezing level during the third observing run of the Laser Interferometer Gravitational-Wave Observatory (LIGO) based on auxiliary data streams, and offer interpretations of our models to identify and quantify salient sources of squeezing degradation. The development of these techniques lays the groundwork for future efforts to optimize squeezed state injection in gravitational-wave detectors, with the goal of enabling closed-loop control of the squeezer subsystem by an agent based on machine learning.
• Abstract（参考訳）: 機械学習は、大規模な物理実験によって生成された広範なデータセットを処理する効果的なツールとなっている。 重力波検出器は、スクイズド真空状態の注入によって、量子エンハンスド感度で宇宙を聴いている。 スクイーズ状態の調製と注入は操作的に複雑であり、環境変動や干渉計の状態の変化に非常に敏感である。 最適なスクイーズレベルを達成・維持することは困難な問題であり、将来の観測と次世代検出器のための設計目標によって設定された高い目標に到達するために、新しい技術の開発が必要である。 補助データストリームに基づくligo(laser interferometer gravitational wave observatory)の第3観測動作中のスクイーズレベルを予測するために機械学習技術を用いて,本モデルの解釈を行い,スクイーズ劣化源の同定と定量化を行う。 これらの技術の開発は、重力波検出器における圧縮状態注入を最適化するための将来の取り組みの基盤となり、機械学習に基づくエージェントによるスクイーサーサブシステムのクローズループ制御を可能にすることを目的としている。

関連論文リスト

• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• An Attention-Based Deep Generative Model for Anomaly Detection in Industrial Control Systems [3.303448701376485]
  異常検出は、産業制御システムの安全かつ信頼性の高い運用に不可欠である。 本稿では,このニーズを満たすための新しい深層生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-03T23:58:27Z)
• Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
  本稿では,革新的な深層学習に基づく量子センシング手法を提案する。 これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。 我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
  論文  参考訳（メタデータ） (2023-11-13T09:46:05Z)
• Efficient Machine Learning Ensemble Methods for Detecting Gravitational Wave Glitches in LIGO Time Series [0.614609308117547]
  本稿では,GW観測所から異なる種類のノイズやパターンを検出するための2つの新しい機械学習アンサンブル手法を提案する。 我々は、Advanced Laser Interferometer GW Observatoryによって収集された実世界のデータから、注釈付き時系列からなるデータセット上で、我々のモデルを訓練し、テストする。 提案したDeepWaves Ensembleに次いでShallowWaves Ensembleに近づいた。
  論文  参考訳（メタデータ） (2023-11-02T10:07:30Z)
• Machine Learning Assisted Cognitive Construction of a Shallow Depth Dynamic Ansatz for Noisy Quantum Hardware [0.0]
  本研究では, 再生機械学習手法と多体理論を用いて, 高度に表現的かつ浅いアンザッツを構築するための新しいプロトコルを開発した。 提案手法は最先端のニューラルエラー軽減技術と高い互換性を有する。
  論文  参考訳（メタデータ） (2023-10-12T16:27:53Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Interpreting a Machine Learning Model for Detecting Gravitational Waves [6.139541666440539]
  コンピュータビジョンのために開発された解釈可能性技術は、重力波の探索と探索に使用される機械学習モデルに適用する。 本研究は,非ガウスおよび非定常レーザー干渉計重力波観測装置(LIGO)データにおけるブラックホールの融合事象を検出するために訓練された。
  論文  参考訳（メタデータ） (2022-02-15T13:49:13Z)
• Uncertainty aware anomaly detection to predict errant beam pulses in the SNS accelerator [47.187609203210705]
  本稿では、不確実性を考慮した機械学習手法、シームズニューラルネットワークモデルの適用について述べる。 接近する故障を予測することで、損傷が起こる前に加速器を止めることができる。
  論文  参考訳（メタデータ） (2021-10-22T18:37:22Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。