論文の概要: Trend-Based SAC Beam Control Method with Zero-Shot in Superconducting Linear Accelerator

• arxiv url: http://arxiv.org/abs/2305.13869v2
• Date: Thu, 25 May 2023 07:05:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 10:33:29.600791
• Title: Trend-Based SAC Beam Control Method with Zero-Shot in Superconducting Linear Accelerator
• Title（参考訳）: 超電導リニア加速器におけるゼロショットによるsacビーム制御
• Authors: Xiaolong Chen and Xin Qi and Chunguang Su and Yuan He and Zhijun Wang and Kunxiang Sun and Chao Jin and Weilong Chen and Shuhui Liu and Xiaoying Zhao and Duanyang Jia and Man Yi
• Abstract要約: 強靭性を有するトレンドベースソフトアクター・クリティック(TBSAC)ビーム制御法を提案する。 提案手法の有効性を検証するため,中国超重元素加速器施設(CAFe II)と軽粒子注入器(LPI)の2つの典型的なビーム制御タスクを行った。 軌道修正作業はCAFe IIの3つの低温加群で行われ、調整に必要な時間は人間の要求の10分の1に短縮され、修正された軌道のRMS値はいずれも1mm未満であった。
• 参考スコア（独自算出の注目度）: 10.161211943269008
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The superconducting linear accelerator is a highly flexiable facility for modern scientific discoveries, necessitating weekly reconfiguration and tuning. Accordingly, minimizing setup time proves essential in affording users with ample experimental time. We propose a trend-based soft actor-critic(TBSAC) beam control method with strong robustness, allowing the agents to be trained in a simulated environment and applied to the real accelerator directly with zero-shot. To validate the effectiveness of our method, two different typical beam control tasks were performed on China Accelerator Facility for Superheavy Elements (CAFe II) and a light particle injector(LPI) respectively. The orbit correction tasks were performed in three cryomodules in CAFe II seperately, the time required for tuning has been reduced to one-tenth of that needed by human experts, and the RMS values of the corrected orbit were all less than 1mm. The other transmission efficiency optimization task was conducted in the LPI, our agent successfully optimized the transmission efficiency of radio-frequency quadrupole(RFQ) to over $85\%$ within 2 minutes. The outcomes of these two experiments offer substantiation that our proposed TBSAC approach can efficiently and effectively accomplish beam commissioning tasks while upholding the same standard as skilled human experts. As such, our method exhibits potential for future applications in other accelerator commissioning fields.
• Abstract（参考訳）: 超伝導線形加速器は近代的な科学的発見のための非常に柔軟な施設であり、毎週の再構成とチューニングを必要とする。 したがって、セットアップ時間の最小化は、十分な実験時間をユーザに提供する上で必須である。 本研究では,強いロバスト性を有するトレンドベースソフトアクタクリティック(tbsac)ビーム制御法を提案し,エージェントをシミュレーション環境で訓練し,ゼロショットで実加速器に直接適用する。 提案手法の有効性を検証するため,中国超重元素加速器施設(CAFe II)と軽粒子注入器(LPI)の2つの典型的なビーム制御タスクを行った。 軌道修正作業はCAFe IIの3つの低温加群で行われ、調整に必要な時間は人間の要求の10分の1に短縮され、修正された軌道のRMS値はいずれも1mm未満であった。 他の伝送効率最適化タスクはlpiで行われ、無線周波数四極子(rfq)の伝送効率を2分で85\%超に最適化した。 これら2つの実験の結果から,提案したTBSACアプローチが,熟練した人的専門家と同じ基準を維持しつつ,ビーム割り当てタスクを効率的に効果的に達成できることが実証された。 そこで,本手法は,他の加速器利用分野における将来の応用の可能性を示す。

関連論文リスト

• Fast adiabatic control of an optomechanical cavity [62.997667081978825]
  移動鏡を2つ設置したオプトメカニカルキャビティの制御を行うため,アディバチティのショートカットを提示する。 空洞内の量子場にSTAを実装した効果的な軌跡を与える解析式を求める。
  論文  参考訳（メタデータ） (2022-11-09T15:32:28Z)
• Effective Pre-Training Objectives for Transformer-based Autoencoders [97.99741848756302]
  トランスフォーマーエンコーダの効率,コスト,精度のトレードオフについて検討する。 共通の目的の機能を組み合わせて、新しい効果的な事前学習アプローチを作成します。
  論文  参考訳（メタデータ） (2022-10-24T18:39:44Z)
• Skip Training for Multi-Agent Reinforcement Learning Controller for Industrial Wave Energy Converters [94.84709449845352]
  近年のウェーブ・エナジー・コンバータ(WEC)は、発電を最大化するために複数の脚と発電機を備えている。 従来のコントローラは複雑な波のパターンを捕捉する制限を示しており、コントローラはエネルギー捕獲を効率的に最大化する必要がある。 本稿では,従来のスプリングダンパよりも優れたマルチエージェント強化学習コントローラ(MARL)を提案する。
  論文  参考訳（メタデータ） (2022-09-13T00:20:31Z)
• Performance-Driven Controller Tuning via Derivative-Free Reinforcement Learning [6.5158195776494]
  我々は,新しい微分自由強化学習フレームワークを用いて,制御器のチューニング問題に取り組む。 我々は,PIDコントローラを用いた適応走行制御とMPCコントローラを用いた軌道追跡という,自律走行による2つの具体例に関する数値実験を行った。 実験の結果,提案手法は一般的なベースラインよりも優れており,コントローラチューニングの強い可能性を強調している。
  論文  参考訳（メタデータ） (2022-09-11T13:01:14Z)
• Bayesian Algorithm Execution for Tuning Particle Accelerator Emittance with Partial Measurements [57.646231170869925]
  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。
  論文  参考訳（メタデータ） (2022-09-10T04:01:23Z)
• Amortized Auto-Tuning: Cost-Efficient Transfer Optimization for Hyperparameter Recommendation [83.85021205445662]
  本稿では,機械学習モデルのチューニングを高速化する自動チューニング(AT2)を提案する。 マルチタスクマルチ忠実ベイズ最適化フレームワークの徹底的な解析を行い、最適なインスタンス化-アモータイズ自動チューニング(AT2)を実現する。
  論文  参考訳（メタデータ） (2021-06-17T00:01:18Z)
• Towards Optimal District Heating Temperature Control in China with Deep Reinforcement Learning [0.0]
  室内温度を予測するために,シミュレーションデータに基づくリカレントニューラルネットワークを構築した。 このモデルは、供給水温の最適制御のために、2つのDRLエージェントを専門家の指導なしに訓練するために使用される。
  論文  参考訳（メタデータ） (2020-12-17T11:16:08Z)
• Efficient Real-Time Radial Distortion Correction for UAVs [1.7149364927872015]
  慣性測定ユニット(IMU)を備えた無人航空機(UAV)の車載半径歪み補正のための新しいアルゴリズムを提案する。 このアプローチは校正手順を冗長にし、即時光の交換を可能にする。 焦点長, 半径歪み分布, 運動パラメータをホモグラフから同時に推定する高速で頑健な最小解法を提案する。
  論文  参考訳（メタデータ） (2020-10-08T18:34:56Z)
• Transfer Deep Reinforcement Learning-enabled Energy Management Strategy for Hybrid Tracked Vehicle [8.327437591702163]
  本稿では、深部強化学習(DRL)と伝達学習(TL)を組み合わせたハイブリッド電気自動車の適応エネルギー管理戦略を提案する。 退屈なトレーニング時間でDRLの欠陥に対処することを目的としている。 DRLおよびTL対応制御ポリシは、エネルギー効率を向上し、システム性能を向上させることができる。
  論文  参考訳（メタデータ） (2020-07-16T23:39:34Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。