論文の概要: Self-attention-based non-linear basis transformations for compact latent space modelling of dynamic optical fibre transmission matrices

• arxiv url: http://arxiv.org/abs/2406.07775v1
• Date: Tue, 11 Jun 2024 23:51:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-13 20:46:21.754458
• Title: Self-attention-based non-linear basis transformations for compact latent space modelling of dynamic optical fibre transmission matrices
• Title（参考訳）: 動的光ファイバー伝送行列のコンパクト潜在空間モデリングのための自己アテンションに基づく非線形基底変換
• Authors: Yijie Zheng, Robert J. Kilpatrick, David B. Phillips, George S. D. Gordon,
• Abstract要約: 本稿では、自己アテンション層を用いて様々なファイバー行列の座標表現を変換する新しい概念を提案する。 本手法の有効性を,多種多様なファイバー・マトリックス・データセットに示す。
• 参考スコア（独自算出の注目度）: 0.19999259391104385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimode optical fibres are hair-thin strands of glass that efficiently transport light. They promise next-generation medical endoscopes that provide unprecedented sub-cellular image resolution deep inside the body. However, confining light to such fibres means that images are inherently scrambled in transit. Conventionally, this scrambling has been compensated by pre-calibrating how a specific fibre scrambles light and solving a stationary linear matrix equation that represents a physical model of the fibre. However, as the technology develops towards real-world deployment, the unscrambling process must account for dynamic changes in the matrix representing the fibre's effect on light, due to factors such as movement and temperature shifts, and non-linearities resulting from the inaccessibility of the fibre tip when inside the body. Such complex, dynamic and nonlinear behaviour is well-suited to approximation by neural networks, but most leading image reconstruction networks rely on convolutional layers, which assume strong correlations between adjacent pixels, a strong inductive bias that is inappropriate for fibre matrices which may be expressed in a range of arbitrary coordinate representations with long-range correlations. We introduce a new concept that uses self-attention layers to dynamically transform the coordinate representations of varying fibre matrices to a basis that admits compact, low-dimensional representations suitable for further processing. We demonstrate the effectiveness of this approach on diverse fibre matrix datasets. We show our models significantly improve the sparsity of fibre bases in their transformed bases with a participation ratio, p, as a measure of sparsity, of between 0.01 and 0.11. Further, we show that these transformed representations admit reconstruction of the original matrices with < 10% reconstruction error, demonstrating the invertibility.
• Abstract（参考訳）: マルチモード光ファイバー(英: Multimode optical fibres)は、光を効率的に輸送するガラスの毛細いストランドである。 彼らは、体内の奥深くで前例のないサブセル画像の解像度を提供する次世代の医療内視鏡を約束する。 しかし、そのようなファイバーに光を閉じ込めることによって、画像は本質的にトランジット中にスクランブルされる。 従来、このスクランブルは特定の繊維がどのように光を散乱するかを事前に計算し、ファイバーの物理モデルを表す定常線形行列方程式を解くことで補償されてきた。 しかし、技術が現実世界の展開に向かって発展するにつれて、運動や温度変化などの要因による光に対するファイバーの効果を表すマトリックスの動的変化や、体内でのファイバー先端の到達不能に起因する非線形性を考慮する必要がある。 このような複雑で動的で非線形な振る舞いはニューラルネットワークによる近似に適しているが、ほとんどの画像再構成ネットワークは、隣接するピクセル間の強い相関を仮定する畳み込み層に依存している。 我々は、自己アテンション層を用いて、様々なファイバー行列の座標表現を、さらなる処理に適したコンパクトで低次元の表現を許容する基底に動的に変換する新しい概念を導入する。 本手法の有効性を,多種多様なファイバー・マトリックス・データセットに示す。 また,本モデルでは,0.01～0.11の相乗比,pの相乗比で,変換基部の繊維基の疎度を有意に向上させることを示した。 さらに、変換された表現は、元の行列を10%の再構成誤差で再構成することを許容し、その可逆性を証明している。

関連論文リスト

• Efficient Adaptation of Pre-trained Vision Transformer via Householder Transformation [53.88562288388169]
  一般的な戦略である。 事前訓練された視覚変換器(ViT)のPEFT(Efficient Fine-Tuning)は、下流タスクにモデルを適応させる。 適応行列を表現するために,Singular Value Decomposition (SVD) にインスパイアされた新しいPEFT手法を提案する。 SVDは行列を左ユニタリ行列、スケーリング値の対角行列、右ユニタリ行列の積に分解する。
  論文  参考訳（メタデータ） (2024-10-30T12:08:30Z)
• Polarization-Entanglement Dynamics in Optical Fibers: Mitigating Decay in the Non-Markovian Regime with Dynamical Decoupling [0.0]
  本研究では,光ファイバーの屈折率の空間的変動に起因する絡み合いの減衰について検討した。 観測された絡み合いの減衰に対処するため,光ファイバーにおける半平面間隙を用いた動的疎結合の実現を提案する。
  論文  参考訳（メタデータ） (2024-09-27T04:07:53Z)
• Measuring, processing, and generating partially coherent light with self-configuring optics [4.574373524692042]
  マルチモードシステムにおける空間的に部分的にコヒーレントな光を分析し,処理し,生成するための普遍的手法を提案する。 本手法は,平均出力が逐次最適化された自己構成層に依存している。 本稿では、この手法を用いて、部分的にコヒーレントな環境光のセンシング、任意のコヒーレント行列を持つ多重モード部分コヒーレント光の生成、量子光学混合物の分解を行う方法について述べる。
  論文  参考訳（メタデータ） (2024-02-01T15:59:49Z)
• Shaping Single Photons through Multimode Optical Fibers using Mechanical Perturbations [55.41644538483948]
  単一の光子の形状と絡み合った光子対間の空間的相関を制御するための全ファイバーアプローチを示す。 これらの摂動を最適化し、単一光子の空間分布や光子対の空間相関を1箇所に局在させる。
  論文  参考訳（メタデータ） (2023-06-04T07:33:39Z)
• Order-invariant two-photon quantum correlations in PT-symmetric interferometers [62.997667081978825]
  線形フォトニック量子ネットワークにおける多光子相関は行列永久性によって制御される。 個々のビルディングブロックからのネットワークの全体的多光子挙動は直観に反する。 この結果は,小規模の非エルミートネットワークにおいても,量子相関を直感的に保存する新たな方法の導出となる。
  論文  参考訳（メタデータ） (2023-02-23T09:43:49Z)
• FRC-TOuNN: Topology Optimization of Continuous Fiber Reinforced Composites using Neural Network [4.355018965813992]
  本稿では,ニューラルネットワーク(NN)に基づくメッシュ非依存表現を提案し,行列トポロジとファイバー分布を捉える。 暗黙的なNNベースの表現は、メッシュの離散化よりも高い解像度で幾何学的および物質的クエリを可能にする。 固定化連続繊維強化複合材料を高分解能で高分解能で製造できることを示す。
  論文  参考訳（メタデータ） (2022-05-07T23:10:34Z)
• Sparse Quantized Spectral Clustering [85.77233010209368]
  このような非線形変換の下で行列の固有スペクトルがどのように変化するのかを、ランダム行列理論のツールを用いて正確に述べる。 急激なスペーシング/量子化の下でも,情報的固有構造にはほとんど変化は見られなかった。
  論文  参考訳（メタデータ） (2020-10-03T15:58:07Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。