論文の概要: Review and experimental benchmarking of machine learning algorithms for
efficient optimization of cold atom experiments
- arxiv url: http://arxiv.org/abs/2312.13397v1
- Date: Wed, 20 Dec 2023 19:59:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 16:51:09.795032
- Title: Review and experimental benchmarking of machine learning algorithms for
efficient optimization of cold atom experiments
- Title（参考訳）: 低温原子実験の最適化のための機械学習アルゴリズムのレビューと実験的ベンチマーク
- Authors: Oliver Anton, Victoria A. Henderson, Elisa Da Ros, Ivan Sekulic, Sven
Burger, Philipp-Immanuel Schneider, Markus Krutzik
- Abstract要約: コールド原子雲の生成は、高次元パラメータ空間におけるノイズデータの最適化を含む複雑なプロセスである。
機械学習は、実験自体の知識なしに、高次元の問題を素早く最適化できるため、ソリューションを提供する。
本稿では,Rb(Rub)冷原子実験の最適化とともに,9種類の最適化手法と実装のベンチマーク結果を示す。
- 参考スコア（独自算出の注目度）: 1.5283503786691839
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The generation of cold atom clouds is a complex process which involves the
optimization of noisy data in high dimensional parameter spaces. Optimization
can be challenging both in and especially outside of the lab due to lack of
time, expertise, or access for lengthy manual optimization. In recent years, it
was demonstrated that machine learning offers a solution since it can optimize
high dimensional problems quickly, without knowledge of the experiment itself.
In this paper we present results showing the benchmarking of nine different
optimization techniques and implementations, alongside their ability to
optimize a Rubidium (Rb) cold atom experiment. The investigations are performed
on a 3D $^{87}$Rb molasses with 10 and 18 adjustable parameters, respectively,
where the atom number obtained by absorption imaging was chosen as the test
problem. We further compare the best performing optimizers under different
effective noise conditions by reducing the Signal-to-Noise ratio of the images
via adapting the atomic vapor pressure in the 2D+ MOT and the detection laser
frequency stability.
- Abstract（参考訳）: コールド原子雲の生成は、高次元パラメータ空間におけるノイズデータの最適化を含む複雑なプロセスである。
最適化は、時間、専門知識の欠如、長い手動最適化へのアクセスのため、特に研究室の外では難しい場合がある。
近年,実験自体の知識を必要とせず,高次元問題を迅速に最適化できるため,機械学習が解を提供することが示された。
本稿では,ルビジウム(Rb)低温原子実験の最適化とともに,9種類の最適化手法と実装のベンチマーク結果を示す。
実験は10と18の調整可能なパラメータを持つ3D $^{87}$Rbモラスで行われ、そこで吸収イメージングにより得られた原子番号が試験問題として選択された。
さらに、2D+MOTの原子蒸気圧と検出レーザ周波数の安定性を適応させることにより、画像の信号対雑音比を低減し、異なる有効雑音条件下での最適なオプティマイザを比較する。
関連論文リスト
- Provable Optimality of the Square-Tooth Atomic Frequency Comb Quantum Memory [1.0869257688521987]
原子周波数コム(AFC)量子メモリは、量子リピータネットワークにとって有望な技術である。
最適化された2乗歯形 AFC は, 上顎骨歯形の中で最も高い検索効率が得られることを示す。
我々の証明は、現実的な実験条件下で最適なAFCを作成する方法について、厳密な議論を実験者に提供する。
論文 参考訳（メタデータ） (2024-06-03T20:23:38Z) - Image enhancement algorithm for absorption imaging [2.877159845954964]
低温原子の吸収イメージングにおけるノイズは、超低温原子を用いた様々な応用における測定精度に大きな影響を及ぼす。
本稿では, 低温原子吸光イメージングのための新しい画像強調アルゴリズムを提案する。
このアルゴリズムは背景雑音の抑制に成功し、画像コントラストを大幅に向上させる。
論文 参考訳（メタデータ） (2024-03-07T05:55:31Z) - Accelerating Diffusion Sampling with Optimized Time Steps [69.21208434350567]
拡散確率モデル(DPM)は高分解能画像合成において顕著な性能を示した。
彼らのサンプリング効率は、通常多くのサンプリングステップのため、依然として望まれている。
DPM用高次数値ODEソルバの最近の進歩により、サンプリングステップがはるかに少ない高品質な画像の生成が可能になった。
論文 参考訳（メタデータ） (2024-02-27T10:13:30Z) - Machine learning-enhanced optical tweezers for defect-free rearrangement [0.0]
本稿では,この再配置プロセスの最適化に近似ポリシー最適化モデルを用いた機械学習手法を提案する。
本手法は, 最短経路問題を効率よく解き, 欠陥のないツイーザアレイの形成を保証することに焦点を当てる。
この進歩は、ツイーザーアレイに新たな機会をもたらし、コンピュータ研究の効率性と精度を高める可能性がある。
論文 参考訳（メタデータ） (2024-01-10T02:53:06Z) - 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) - 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) - Golem: An algorithm for robust experiment and process optimization [0.0]
実験および最適化アルゴリズムの設計は、これらのタスクを効率的に解くためによく用いられる。
Golemは実験計画戦略の選択に最適であるアルゴリズムである。
過去の実験の堅牢性を分析したり、実験計画をオンザフライで堅牢なソリューションに向けて導くために使用できます。
論文 参考訳（メタデータ） (2021-03-05T15:00:34Z) - Optimizing Large-Scale Hyperparameters via Automated Learning Algorithm [97.66038345864095]
ゼロ階超勾配(HOZOG)を用いた新しいハイパーパラメータ最適化法を提案する。
具体的には、A型制約最適化問題として、まずハイパーパラメータ最適化を定式化する。
次に、平均ゼロ階超勾配を用いてハイパーパラメータを更新する。
論文 参考訳（メタデータ） (2021-02-17T21:03:05Z) - Optimal control of a nitrogen-vacancy spin ensemble in diamond for
sensing in the pulsed domain [52.77024349608834]
固体材料の欠陥は、量子センシングに理想的なプラットフォームを提供する。
このようなアンサンブルの制御は、欠陥エネルギーレベルとマクロサンプル間の任意の制御領域の両方の空間的変動のために困難である。
Floquet理論と最適制御最適化法を用いて,これらの課題を克服できることを実験的に実証した。
論文 参考訳（メタデータ） (2021-01-25T13:01:05Z) - IEO: Intelligent Evolutionary Optimisation for Hyperparameter Tuning [9.082096472600751]
本稿では,従来の進化アルゴリズムに機械学習技術を適用した知的進化最適化アルゴリズムを提案する。
我々の手法は、最適化速度を平均で30.40%、最高のシナリオで77.06%まで加速させる。
論文 参考訳（メタデータ） (2020-09-10T18:47:04Z) - A Primer on Zeroth-Order Optimization in Signal Processing and Machine
Learning [95.85269649177336]
ZO最適化は、勾配推定、降下方向、ソリューション更新の3つの主要なステップを反復的に実行する。
我々は,ブラックボックス深層学習モデルによる説明文の評価や生成,効率的なオンラインセンサ管理など,ZO最適化の有望な応用を実証する。
論文 参考訳（メタデータ） (2020-06-11T06:50:35Z)
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。