論文の概要: Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments
- arxiv url: http://arxiv.org/abs/2306.11899v1
- Date: Tue, 20 Jun 2023 21:21:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-22 15:35:27.897316
- Title: Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments
- Title（参考訳）: closing the loop: シンクロトロンビームライン環境における機械学習に基づくオンラインデータ分析による自律実験
- Authors: Linus Pithan (1), Vladimir Starostin (1), David Mare\v{c}ek (2), Lukas
Petersdorf (3), Constantin V\"olter (1), Valentin Munteanu (1), Maciej
Jankowski (4), Oleg Konovalov (4), Alexander Gerlach (1), Alexander
Hinderhofer (1), Bridget Murphy (3), Stefan Kowarik (2), Frank Schreiber (1)
((1) Universit\"at T\"ubingen Germany, (2) Universit\"at Graz Austria, (3)
Universit\"at Kiel Germany, (4) ESRF France)
- Abstract要約: 機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
- 参考スコア（独自算出の注目度）: 80.49514665620008
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, there has been significant interest in applying machine learning
(ML) techniques to X-ray scattering experiments, which proves to be a valuable
tool for enhancing research that involves large or rapidly generated datasets.
ML allows for the automated interpretation of experimental results,
particularly those obtained from synchrotron or neutron facilities. The speed
at which ML models can process data presents an important opportunity to
establish a closed-loop feedback system, enabling real-time decision-making
based on online data analysis. In this study, we describe the incorporation of
ML into a closed-loop workflow for X-ray reflectometry (XRR), using the growth
of organic thin films as an example. Our focus lies on the beamline integration
of ML-based online data analysis and closed-loop feedback. We present solutions
that provide an elementary data analysis in real time during the experiment
without introducing the additional software dependencies in the beamline
control software environment. Our data demonstrates the accuracy and robustness
of ML methods for analyzing XRR curves and Bragg reflections and its autonomous
control over a vacuum deposition setup.
- Abstract（参考訳）: 近年,X線散乱実験に機械学習(ML)技術を適用することへの関心が高まっている。
MLは実験結果、特にシンクロトロンや中性子施設から得られるものの自動解釈を可能にする。
mlモデルがデータを処理できる速度は、クローズドループフィードバックシステムを確立する重要な機会であり、オンラインデータ分析に基づいたリアルタイム意思決定を可能にする。
本研究では,有機薄膜の成長を例として,X線リフレクションメトリー(XRR)のための閉ループワークフローへのMLの組み入れについて述べる。
私たちの焦点はMLベースのオンラインデータ分析とクローズドループフィードバックのビームライン統合にあります。
我々は,ビームライン制御ソフトウェア環境で追加のソフトウェア依存性を導入することなく,実験中に基礎的データ解析をリアルタイムで提供するソリューションを提案する。
本研究では,XRR曲線とブラッグ反射を解析するためのML手法の精度とロバスト性を実証し,真空沈着装置上での自律制御について述べる。
関連論文リスト
- Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
本稿では,最新の微分変換器エンコーダ・デコーダアーキテクチャであるMFliNetを用いた新しいDLアーキテクチャを提案する。
本モデルの性能は, 慎重に設計し, 複雑な組織模倣ファントムと前臨床内癌異種移植実験により実証した。
論文 参考訳（メタデータ） (2024-11-25T20:03:41Z) - In Situ Framework for Coupling Simulation and Machine Learning with
Application to CFD [51.04126395480625]
近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。
シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。
この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
論文 参考訳（メタデータ） (2023-06-22T14:07:54Z) - 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) - AI-assisted Automated Workflow for Real-time X-ray Ptychography Data
Analysis via Federated Resources [2.682578132719034]
大規模リモートコンピューティングリソースと組込みGPUプラットフォームをエッジに使用して,X線写真のために収集したデータのAI/ML高速化リアルタイム解析を可能にする,エンドツーエンドの自動ワークフローを提案する。
論文 参考訳（メタデータ） (2023-04-09T19:11:04Z) - Leveraging generative adversarial networks to create realistic scanning
transmission electron microscopy images [2.5954872177280346]
機械学習は、自律的なデータ収集と処理を通じて材料研究に革命をもたらす可能性がある。
我々は,実空間周波数情報を用いたシミュレーションデータを増大させるために,相互空間判別器を備えたサイクル生成逆数ネットワーク(CycleGAN)を用いる。
完全な畳み込みネットワーク(FCN)をトレーニングして、450万個の原子データセット内の単一原子欠陥を同定することで、我々のアプローチを実証する。
論文 参考訳（メタデータ） (2023-01-18T19:19:27Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Explainable Predictive Modeling for Limited Spectral Data [0.0]
本稿では、高次元および限られたスペクトルデータの予測結果を解釈するために、最近の説明可能なAI技術を適用する。
機器の解像度制限のため、分光データの重要な領域をピンポイントすると、データ収集プロセスを最適化する経路が生成される。
具体的には,MLモデルの評価がリアルタイムの実践に堅牢であることを保証するために,3つの異なるシナリオを設計する。
論文 参考訳（メタデータ） (2022-02-09T15:46:17Z) - Machine learning enabling high-throughput and remote operations at
large-scale user facilities [0.0]
機械学習(ML)手法は、大規模なデータセットをリアルタイムで処理し、解釈するために定期的に開発されている。
我々は、National Synchrotron Light Source II (NSLS-II)において、複数のビームラインでのオンザフライ解析のための様々なアーチティパルMLモデルを実証した。
論文 参考訳（メタデータ） (2022-01-09T17:43:03Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳（メタデータ） (2021-06-14T11:42:46Z) - Learning summary features of time series for likelihood free inference [93.08098361687722]
時系列データから要約機能を自動的に学習するためのデータ駆動型戦略を提案する。
以上の結果から,データから要約的特徴を学習することで,手作りの値に基づいてLFI手法よりも優れる可能性が示唆された。
論文 参考訳（メタデータ） (2020-12-04T19:21:37Z)
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。