Fugu-MT 論文翻訳(概要): Calibrating for the Future:Enhancing Calorimeter Longevity with Deep Learning

論文の概要: Calibrating for the Future:Enhancing Calorimeter Longevity with Deep Learning

arxiv url: http://arxiv.org/abs/2411.03891v1
Date: Wed, 06 Nov 2024 13:09:16 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-07 19:22:56.018634
Title: Calibrating for the Future:Enhancing Calorimeter Longevity with Deep Learning
Title（参考訳）: キャリブレーション:ディープラーニングによるカロリメータ長寿の促進
Authors: S. Ali, A. S. Ryzhikov, D. A. Derkach, F. D. Ratnikov, V. O. Bocharnikov,
Abstract要約: We developed a Wasserstein inspired method that adeptly calibrates the misalignment in temperaturemeter data due by aging or other factors。我々の研究は、カロリーメータの運用寿命を延ばし、長期的にデータの正確性と信頼性を確保する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In the realm of high-energy physics, the longevity of calorimeters is paramount. Our research introduces a deep learning strategy to refine the calibration process of calorimeters used in particle physics experiments. We develop a Wasserstein GAN inspired methodology that adeptly calibrates the misalignment in calorimeter data due to aging or other factors. Leveraging the Wasserstein distance for loss calculation, this innovative approach requires a significantly lower number of events and resources to achieve high precision, minimizing absolute errors effectively. Our work extends the operational lifespan of calorimeters, thereby ensuring the accuracy and reliability of data in the long term, and is particularly beneficial for experiments where data integrity is crucial for scientific discovery.
Abstract（参考訳）: 高エネルギー物理学の世界では、カロリーメータの寿命が最も重要である。本研究は,粒子物理実験で用いられるカロリー計の校正プロセスを改善するための深層学習戦略を提案する。 We developed a Wasserstein GAN inspired method that adeptly calibrates the misalignment in temperaturemeter data due by aging or other factors。損失計算のためにワッサーシュタイン距離を利用するこの革新的なアプローチは、高精度を達成するために、絶対誤差を効果的に最小化するために、はるかに少ないイベントとリソースを必要とする。我々の研究は、カロリーメータの運用寿命を延ばし、長期にわたるデータの正確性と信頼性を確保するとともに、データの完全性が科学的な発見に不可欠である実験に特に有用である。

関連論文リスト

Practical techniques for high precision measurements on near-term quantum hardware: a Case Study in Molecular Energy Estimation [0.0]
本稿では, 撮影オーバーヘッド, 回路オーバーヘッド, 計測ノイズ, 時間依存性測定ノイズを最小化する方法を示す。これらの戦略は、より信頼性が高く正確な量子計算の道を開く。
論文参考訳（メタデータ） (2024-09-04T09:52:14Z)
A thermodynamically consistent approach to the energy costs of quantum measurements [0.0]
熱浴に結合した量子プローブからなる量子計測装置の一般的な顕微鏡モデルを示す。熱浴の特性を利用して測定結果を冗長に記録し,その自由度を推定する。本研究では, 熱力学的に可逆な測定が可能であり, 最小限の工数に到達できることを示す。
論文参考訳（メタデータ） (2024-02-25T09:31:48Z)
The Optimal use of Segmentation for Sampling Calorimeters [31.94565807521357]
エネルギー再構成におけるカロリーセグメンテーションの影響について検討する。再建を行うために、ディープニューラルネットワークをデプロイします。分離したイオンシャワーのエネルギー推定には, 比較的微細なセグメンテーションが重要である。
論文参考訳（メタデータ） (2023-10-02T16:46:22Z)
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)
GFlowNets for AI-Driven Scientific Discovery [74.27219800878304]
我々はGFlowNetsと呼ばれる新しい確率論的機械学習フレームワークを提案する。 GFlowNetsは、実験科学ループのモデリング、仮説生成、実験的な設計段階に適用できる。我々は、GFlowNetsがAIによる科学的発見の貴重なツールになり得ると論じている。
論文参考訳（メタデータ） (2023-02-01T17:29:43Z)
Gold-standard solutions to the Schr\"odinger equation using deep learning: How much physics do we need? [4.191094796148313]
計算コストの8倍のコストで40-70%のエネルギーエラーを実現する新しいディープラーニングアーキテクチャを提案する。我々は、これまで公表された最も正確な変動基底エネルギーを計算して、新しいベンチマークを確立する。アーキテクチャに与えられた事前知識の増加は、実際に精度を低下させる可能性がある。
論文参考訳（メタデータ） (2022-05-19T09:54:41Z)
Optimal cold atom thermometry using adaptive Bayesian strategies [0.0]
本研究では,冷間原子温度推定の性能を大幅に向上させる適応型ベイズフレームワークを提案する。従来の手法とは異なり,提案手法は非形式的データの取得と処理を体系的に回避する。特に測定されたデータが不十分でノイズの多い場合には、より信頼性の高い見積もりを作成できます。
論文参考訳（メタデータ） (2022-04-25T17:48:03Z)
Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
論文参考訳（メタデータ） (2021-06-17T00:49:55Z)
Role of topology in determining the precision of a finite thermometer [58.720142291102135]
低接続性は、温度計を低温で動作させるためのリソースであることに気付きました。位置測定により達成可能な精度を,エネルギー測定に対応する最適値と比較する。
論文参考訳（メタデータ） (2021-04-21T17:19:42Z)
Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
論文参考訳（メタデータ） (2021-02-24T10:18:30Z)
HYDRA: Hypergradient Data Relevance Analysis for Interpreting Deep Neural Networks [51.143054943431665]
本稿では、深層ニューラルネットワーク(DNN)による予測をトレーニングデータの効果として解釈する高次データ関連分析(HYDRA)を提案する。 HYDRAは、トレーニング軌跡全体を通して、テストデータポイントに対するトレーニングデータの貢献を評価する。さらに,HyDRAは,データのコントリビューションを正確に推定し,ノイズのあるデータラベルを検出することで,影響関数よりも優れていることを定量的に示す。
論文参考訳（メタデータ） (2021-02-04T10:00:13Z)

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。