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/2309.14027v3
• Date: Fri, 08 Nov 2024 01:26:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 18:10:57.909930
• 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, Florian Bury, Tommaso Dorigo, Andrea Giammanco, Mariam Heikal, Jan Kieseler, Max Lamparth, Pablo Martínez Ruíz del Árbol, 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TomOptという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）: 0.1806063286213351
• License:
• 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 scenario and discuss its potential applications. Our code is available on Github.
• 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TomOptという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。 そこで本研究では,粒子物理機器のエンド・ツー・エンド微分可能・推論・アウェア最適化の最初の実演を行う。 本稿では,関連するベンチマークシナリオでソフトウェアの性能について検討し,その可能性について考察する。 私たちのコードはGithubで入手可能です。

関連論文リスト

• 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)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• 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)
• Diffusion Generative Inverse Design [28.04683283070957]
  逆設計(英: inverse design)とは、目的関数の入力を最適化し、目的の結果を導出する問題を指す。 学習グラフニューラルネットワーク(GNN)の最近の進歩は、シミュレーション力学の正確で効率的で微分可能な推定に利用することができる。 本稿では, 分散拡散モデルを用いて, 逆設計問題の解法を効率的に行う方法を示し, より効率的な粒子サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-05T08:32:07Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• 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)
• 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。