論文の概要: Deep-learning real-time phase retrieval of imperfect diffraction patterns from X-ray free-electron lasers

• arxiv url: http://arxiv.org/abs/2409.15784v1
• Date: Tue, 24 Sep 2024 06:28:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 08:51:16.963183
• Title: Deep-learning real-time phase retrieval of imperfect diffraction patterns from X-ray free-electron lasers
• Title（参考訳）: X線自由電子レーザーによる不完全回折パターンのディープラーニングリアルタイム位相検索
• Authors: Sung Yun Lee, Do Hyung Cho, Chulho Jung, Daeho Sung, Daewoong Nam, Sangsoo Kim, Changyong Song,
• Abstract要約: 本稿では,不完全な回折データに対する深層学習に基づく位相探索手法を提案する。 この方法は、シミュレーションデータに対する堅牢な位相検索を提供し、X線自由電子レーザーからの弱い信号単パルス回折データに対して良好に動作する。 高速なデータ取得に不可欠なリアルタイム画像再構成を容易にすることで、データ処理時間を著しく短縮する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Machine learning is attracting surging interest across nearly all scientific areas by enabling the analysis of large datasets and the extraction of scientific information from incomplete data. Data-driven science is rapidly growing, especially in X-ray methodologies, where advanced light sources and detection technologies accumulate vast amounts of data that exceed meticulous human inspection capabilities. Despite the increasing demands, the full application of machine learning has been hindered by the need for data-specific optimizations. In this study, we introduce a new deep-learning-based phase retrieval method for imperfect diffraction data. This method provides robust phase retrieval for simulated data and performs well on weak-signal single-pulse diffraction data from X-ray free-electron lasers. Moreover, the method significantly reduces data processing time, facilitating real-time image reconstructions that are crucial for high-repetition-rate data acquisition. Thus, this approach offers a reliable solution to the phase problem and is expected to be widely adopted across various research areas.
• Abstract（参考訳）: 機械学習は、大規模なデータセットの分析と、不完全なデータから科学的情報の抽出を可能にすることで、ほぼすべての科学領域で急速に関心を集めている。 データ駆動科学は、特に高度な光源と検出技術が人間の精細な検査能力を超える膨大な量のデータを蓄積するX線方法論において急速に成長している。 需要の増加にもかかわらず、機械学習の完全な応用は、データ固有の最適化の必要性によって妨げられている。 本研究では,不完全な回折データに対する深層学習に基づく位相探索手法を提案する。 この方法は、シミュレーションデータに対する堅牢な位相検索を提供し、X線自由電子レーザーからの弱い信号単パルス回折データに対して良好に動作する。 さらに、高速なデータ取得に不可欠なリアルタイム画像再構成を容易にすることにより、データ処理時間を著しく短縮する。 このように、このアプローチは相問題に対する信頼性の高い解決策を提供し、様々な研究領域で広く採用されることが期待されている。

関連論文リスト

• Imitation Learning Inputting Image Feature to Each Layer of Neural Network [1.6574413179773757]
  模倣学習は、トレーニングデータから人間の行動を学習し、再現することを可能にする。 機械学習の最近の進歩は、画像などの高次元観測データを直接処理するエンドツーエンドの学習アプローチを可能にする。 本稿では,データの影響を比較的低い相関で増幅する,この課題に対処する有用な手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T02:44:18Z)
• Rapid detection of rare events from in situ X-ray diffraction data using machine learning [3.793863205903028]
  高エネルギーX線回折法は、金属多結晶工学材料の3次元微細構造と関連する特性を非破壊的にマッピングすることができる。 これらの方法は、進化するミクロ構造や特性の時間とともにスナップショットを取るために、熱力学的負荷などの外部刺激と組み合わせられることが多い。 本稿では、高エネルギーX線顕微鏡データにおいて、塑性の開始を迅速に検出できる完全自動化技術を提案する。
  論文  参考訳（メタデータ） (2023-12-07T02:14:39Z)
• Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
  機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。 本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。 本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-20T21:21:19Z)
• Exploring Supervised Machine Learning for Multi-Phase Identification and Quantification from Powder X-Ray Diffraction Spectra [1.0660480034605242]
  粉体X線回折分析は材料特性評価法の重要な構成要素である。 深層学習は、X線スペクトルから結晶学パラメータと特徴を予測するための主要な焦点となっている。 ここでは,多ラベル結晶相同定のための深層学習の代わりに,従来の教師付き学習アルゴリズムに関心がある。
  論文  参考訳（メタデータ） (2022-11-16T00:36:13Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• TranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series Data [13.864161788250856]
  TranADはディープトランスネットワークに基づく異常検出および診断モデルである。 注意に基づくシーケンスエンコーダを使用して、データ内のより広い時間的傾向の知識を迅速に推論する。 TranADは、データと時間効率のトレーニングによる検出と診断のパフォーマンスにおいて、最先端のベースラインメソッドよりも優れています。
  論文  参考訳（メタデータ） (2022-01-18T19:41:29Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• The Imaginative Generative Adversarial Network: Automatic Data Augmentation for Dynamic Skeleton-Based Hand Gesture and Human Action Recognition [27.795763107984286]
  本稿では、入力データの分布を近似し、この分布から新しいデータをサンプリングする新しい自動データ拡張モデルを提案する。 以上の結果から,拡張戦略は訓練が高速であり,ニューラルネットワークと最先端手法の両方の分類精度を向上させ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） (2021-05-27T11:07:09Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Unsupervised machine learning of topological phase transitions from experimental data [52.77024349608834]
  超低温原子からの実験データに教師なし機械学習技術を適用する。 我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。 我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2021-01-14T16:38:21Z)

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。