論文の概要: TomOpt: Differential optimisation for task- and constraint-aware design
of particle detectors in the context of muon tomography
- arxiv url: http://arxiv.org/abs/2309.14027v1
- Date: Mon, 25 Sep 2023 10:44:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 16:00:25.116609
- Title: TomOpt: Differential optimisation for task- and constraint-aware design
of particle detectors in the context of muon tomography
- Title（参考訳）: TomOpt:ミューオントモグラフィーにおける粒子検出器のタスク・制約認識設計のための微分最適化
- Authors: Giles C. Strong, Maxime Lagrange, Aitor Orio, Anna Bordignon, Tommaso
Dorigo, Andrea Giammanco, Mariam Heikal, Max Lamparth, Federico Nardi, Pietro
Vischia, Haitham Zaraket
- Abstract要約: 宇宙線ミューオンの散乱によりトモグラフィー用に設計された検出器の幾何学的レイアウトと仕様を最適化するために開発されたソフトウェアパッケージについて述べる。
このソフトウェアは、検出器とスキャンされたボリュームとのミューオン相互作用のモデリング、ボリューム特性の推測、損失最小化を行う最適化サイクルのモデル化に、微分可能なプログラミングを利用する。
- 参考スコア（独自算出の注目度）: 0.2000275824034633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We describe a software package, TomOpt, developed to optimise the geometrical
layout and specifications of detectors designed for tomography by scattering of
cosmic-ray muons. The software exploits differentiable programming for the
modeling of muon interactions with detectors and scanned volumes, the inference
of volume properties, and the optimisation cycle performing the loss
minimisation. In doing so, we provide the first demonstration of
end-to-end-differentiable and inference-aware optimisation of particle physics
instruments. We study the performance of the software on a relevant benchmark
scenarios and discuss its potential applications.
- Abstract（参考訳）: 宇宙線ミューオンの散乱によりトモグラフィー用に設計された検出器の幾何学的レイアウトと仕様を最適化するために開発されたソフトウェアパッケージTomOptについて述べる。
このソフトウェアは、ミューオンと検出器およびスキャンされたボリュームとの相互作用のモデリング、ボリューム特性の推論、損失最小化を実行する最適化サイクルのために微分可能プログラミングを利用する。
そこで我々は,素粒子物理機器のエンド・ツー・エンド微分可能・推論対応最適化の実証実験を行った。
ソフトウェアの性能を関連するベンチマークシナリオで検討し,その可能性について考察する。
関連論文リスト
- LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit [55.73370804397226]
鍵圧縮技術である量子化は、大きな言語モデルを圧縮し、加速することにより、これらの要求を効果的に軽減することができる。
本稿では,プラグアンドプレイ圧縮ツールキットであるLLMCについて,量子化の影響を公平かつ体系的に検討する。
この汎用ツールキットによって、我々のベンチマークはキャリブレーションデータ、アルゴリズム(3つの戦略)、データフォーマットの3つの重要な側面をカバーしています。
論文 参考訳（メタデータ） (2024-05-09T11:49:05Z) - Benchmarking the Operation of Quantum Heuristics and Ising Machines:
Scoring Parameter Setting Strategies on Optimization Applications [14.554670718138398]
最適化問題に対するパラメータ化解法の性能評価ガイドラインについて論じる。
本稿では,アルゴリズムの性能に影響を与えるパラメータの設定の必要性とコストについて論じる。
本稿では,実用的なパラメータチューニング戦略の設計,評価,可視化を容易にするオープンソースソフトウェアパッケージを提案する。
論文 参考訳（メタデータ） (2024-02-15T16:58:33Z) - Model-aware reinforcement learning for high-performance Bayesian
experimental design in quantum metrology [0.5461938536945721]
量子センサは、様々なパラメータにわたる実験者による操作を可能にすることで、推定中に制御の柔軟性を提供する。
量子力学、推定、仮説テストにおいて、幅広い問題を最適化できる汎用的な手順を導入する。
粒子フィルタリングに基づくモデル認識強化学習(RL)とベイズ推定を組み合わせた。
論文 参考訳（メタデータ） (2023-12-28T12:04:15Z) - Performance Embeddings: A Similarity-based Approach to Automatic
Performance Optimization [71.69092462147292]
パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。
本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
論文 参考訳（メタデータ） (2023-03-14T15:51:35Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳（メタデータ） (2022-10-27T01:58:10Z) - Multitask AET with Orthogonal Tangent Regularity for Dark Object
Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。
自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。
我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2022-05-06T16:27:14Z) - A Bayesian Detect to Track System for Robust Visual Object Tracking and
Semi-Supervised Model Learning [1.7268829007643391]
ニューラルネットワークの出力によってパラメータ化されたベイズ追跡・検出フレームワークにおける副次的問題について述べる。
本稿では,粒子フィルタを用いた物体状態推定のための近似サンプリングアルゴリズムを提案する。
粒子フィルタ推論アルゴリズムを用いて,間欠的なラベル付きフレーム上でのトラッキングネットワークの学習に半教師付き学習アルゴリズムを用いる。
論文 参考訳（メタデータ） (2022-05-05T00:18:57Z) - Geometry-aware Bayesian Optimization in Robotics using Riemannian
Mat\'ern Kernels [64.62221198500467]
ベイズ最適化のための幾何対応カーネルの実装方法を示す。
この技術は、ロボット工学における制御パラメータチューニング、パラメトリックポリシー適応、構造設計に利用できる。
論文 参考訳（メタデータ） (2021-11-02T09:47:22Z) - Self-Tuning Stochastic Optimization with Curvature-Aware Gradient
Filtering [53.523517926927894]
サンプルごとのHessian-vector積と勾配を用いて、自己チューニングの二次構造を構築する。
モデルに基づく手続きが雑音勾配設定に収束することを証明する。
これは自己チューニング二次体を構築するための興味深いステップである。
論文 参考訳（メタデータ） (2020-11-09T22:07:30Z) - Integration of spectator qubits into quantum computer architectures for
hardware tuneup and calibration [0.0]
本研究では,空間的不均一な準定常校正誤差をオブザーバ量子ビットを用いて測定することの課題に焦点をあてる。
本稿では, 最適2次元近似理論の処方則に従って空間的に配置する, このような観測量子ビットに対する新しいアーキテクチャ概念を提案する。
この知見は、量子ビットキャリブレーションにおける不均一性の効率的な再構築を可能にすることを示す。
論文 参考訳（メタデータ） (2020-04-27T18:00:33Z) - Learning a Probabilistic Strategy for Computational Imaging Sensor
Selection [16.553234762932938]
本稿では,センサ設計のための確率的センササンプリング戦略を学習する物理制約付き,完全微分可能なオートエンコーダを提案する。
提案手法は,センサ選択の相関関係を2次完全接続型Isingモデルとして特徴付ける,システムに好まれるサンプリング分布を学習する。
論文 参考訳（メタデータ） (2020-03-23T17:52:17Z)
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。