論文の概要: VAE-based latent-space classification of RNO-G data

• arxiv url: http://arxiv.org/abs/2309.16401v1
• Date: Thu, 28 Sep 2023 12:47:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-29 14:26:03.160724
• Title: VAE-based latent-space classification of RNO-G data
• Title（参考訳）: VAEによるRNO-Gデータの潜在空間分類
• Authors: Thorsten Gl\"usenkamp (for the RNO-G collaboration)
• Abstract要約: グリーンランドの電波ニュートリノ観測所(Radio Neutrino Observatory in Greenland, RNO-G)は、グリーンランドのサミット・ステーションにある超高エネルギーニュートリノ検出器である。 本稿では,変分オートエンコーダの潜時空間を用いて,異なるノイズクラスを分類する手法について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Radio Neutrino Observatory in Greenland (RNO-G) is a radio-based ultra-high energy neutrino detector located at Summit Station, Greenland. It is still being constructed, with 7 stations currently operational. Neutrino detection works by measuring Askaryan radiation produced by neutrino-nucleon interactions. A neutrino candidate must be found amidst other backgrounds which are recorded at much higher rates -- including cosmic-rays and anthropogenic noise -- the origins of which are sometimes unknown. Here we describe a method to classify different noise classes using the latent space of a variational autoencoder. The latent space forms a compact representation that makes classification tractable. We analyze data from a noisy and a silent station. The method automatically detects and allows us to qualitatively separate multiple event classes, including physical wind-induced signals, for both the noisy and the quiet station.
• Abstract（参考訳）: グリーンランドのラジオニュートリノ観測所(Radio Neutrino Observatory in Greenland, RNO-G)は、グリーンランドのサミット・ステーションにある超高エネルギーニュートリノ検出器である。 現在も7つの駅が運営されている。 ニュートリノ検出はニュートリノ-核子相互作用によって生じるアスカリヤ放射を測定することによって行われる。 ニュートリノの候補は、宇宙線や人為的ノイズなど、より高い速度で記録されている他の背景の中で見つけなければならない。 本稿では,変分オートエンコーダの潜時空間を用いて,異なるノイズクラスを分類する手法について述べる。 潜在空間は、分類を抽出可能なコンパクト表現を形成する。 我々はうるさいと静かな局からのデータを分析する。 本手法は,騒音と静局の両方に対して,物理的風による信号を含む複数のイベントを定性的に検出し,分離する。

関連論文リスト

• gWaveNet: Classification of Gravity Waves from Noisy Satellite Data using Custom Kernel Integrated Deep Learning Method [9.600843179393085]
  本研究では,衛星画像中の重力波の同定を目的とした新しいカーネル設計を提案する。 提案するカーネルは,gWaveNetと呼ばれる深層畳み込みニューラルネットワークにシームレスに統合される。 提案モデルでは,ノイズの多い衛星データから重力波を含む画像を検出するのに,特徴工学的手法を使わずに優れた精度を示す。
  論文  参考訳（メタデータ） (2024-08-26T22:50:59Z)
• Evaluating radiation impact on transmon qubits in above and underground facilities [52.89046593457984]
  我々は,Fermilab SQMS地上施設および深部地下グラン・サッソ研究所(INFN-LNGS)で最初に測定されたトランスモン量子ビットの応答の比較を行った。 その結果、クォービットは強いガンマ源に反応し、粒子の衝突を検出することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-28T16:54:45Z)
• Neutrino Reconstruction in TRIDENT Based on Graph Neural Network [6.301679261460378]
  トロピカルディープシーニュートリノ望遠鏡(TropIcal Deep-sea Neutrino Telescope, TRIDENT)は、南シナ海に位置する次世代ニュートリノ望遠鏡である。
  論文  参考訳（メタデータ） (2024-01-27T06:57:24Z)
• Neural Acoustic Context Field: Rendering Realistic Room Impulse Response With Neural Fields [61.07542274267568]
  このレターでは、音声シーンをパラメータ化するためのNACFと呼ばれる新しいニューラルネットワークコンテキストフィールドアプローチを提案する。 RIRのユニークな性質により、時間相関モジュールとマルチスケールエネルギー崩壊基準を設計する。 実験の結果,NACFは既存のフィールドベース手法よりも顕著なマージンで優れていた。
  論文  参考訳（メタデータ） (2023-09-27T19:50:50Z)
• Recent neutrino oscillation result with the IceCube experiment [14.645468999921961]
  アイスキューブ・サウスポールニュートリノ天文台(IceCube South Pole Neutrino Observatory)は、南極点の1立方キロメートルの氷で観測されるチェレンコフ検出器である。 アイスキューブの主な科学的目標は、天体物理学的な源からTeVニュートリノの放射を検出することである。 物理感度の進歩は、最近、DeepCore検出器におけるニュートリノ相互作用を再構築するために畳み込みニューラルネットワークを用いて達成されている。
  論文  参考訳（メタデータ） (2023-07-29T01:12:26Z)
• Observation of high-energy neutrinos from the Galactic plane [0.025070085885182287]
  アイスキューブニュートリノ天文台から10年間のデータに適用した機械学習技術を用いてニュートリノ放射を探索する。 我々は、拡散放出モデルと背景のみの仮説を比較することにより、4.5$sigma$の重要度で銀河面からのニュートリノ放射を同定する。 この信号は、銀河面からのモデル付き拡散放出と一致しているが、未解決の点源の集団からも生じる可能性がある。
  論文  参考訳（メタデータ） (2023-07-10T09:02:45Z)
• Searching for long faint astronomical high energy transients: a data driven approach [1.5851170136095292]
  宇宙起源の高エネルギー検出器のバックグラウンドカウント率を評価するための新しいフレームワークを提案する。 我々は、異なる時間スケールで背景光曲線を推定するためにニューラルネットワーク(NN)を用いる。 我々は,NASAのFermi Gamma-ray Burst Monitor(GBM)のアーカイブデータに基づいて,新しいソフトウェアをテストする。
  論文  参考訳（メタデータ） (2023-03-28T12:47:00Z)
• Interpretable Joint Event-Particle Reconstruction for Neutrino Physics at NOvA with Sparse CNNs and Transformers [124.29621071934693]
  本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。 TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。 このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
  論文  参考訳（メタデータ） (2023-03-10T20:36:23Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Frequency fluctuations of ferromagnetic resonances at milliKelvin temperatures [50.591267188664666]
  ノイズはデバイスの性能、特に量子コヒーレント回路に有害である。 最近の研究は、超伝導量子ビットへの単一のマグノンをベースとした量子技術にマグノンシステムを活用するためのルートを実証している。 時間的挙動を研究することは、基礎となるノイズ源を特定するのに役立つ。
  論文  参考訳（メタデータ） (2021-07-14T08:00:37Z)
• Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
  ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。 標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
  論文  参考訳（メタデータ） (2021-06-23T18:00:05Z)

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。