論文の概要: Machine learning assisted tracking of magnetic objects using quantum diamond magnetometry

• arxiv url: http://arxiv.org/abs/2502.14683v1
• Date: Thu, 20 Feb 2025 16:11:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:26:37.718778
• Title: Machine learning assisted tracking of magnetic objects using quantum diamond magnetometry
• Title（参考訳）: 量子ダイヤモンド磁気量計による磁気物体追跡の機械学習による支援
• Authors: Fernando Meneses, Christopher T. -K. Lew, Anand Sivamalai, Andy Sayers, Brant C. Gibson, Andrew D. Greentree, Lloyd C. L. Hollenberg, David A. Simpson,
• Abstract要約: リモート磁気センシングは、オブジェクトの位置をリアルタイムで監視するために使用することができる。 本研究では,実験データのみに基づいて学習可能な機械学習(ML)手法を実証する。 以上の結果から,このML法を磁気物体のリアルタイムモニタリングに応用する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 33.7054351451505
• License:
• Abstract: Remote magnetic sensing can be used to monitor the position of objects in real-time, enabling ground transport monitoring, underground infrastructure mapping and hazardous detection. However, magnetic signals are typically weak and complex, requiring sophisticated physical models to analyze them and a detailed knowledge of the system under study, factors that are frequently unavailable. In this work, we provide a solution to these limitations by demonstrating a Machine Learning (ML) method that can be trained exclusively on experimental data, without the need of any physical model, to predict the position of a magnetic target in real-time. The target can be any object with a magnetic signal above the floor noise, and in this case we use a quantum diamond magnetometer to track variations of few hundreds of nanoteslas produced by an elevator moving along a single axis. The one-dimensional movement is a simple yet challenging scenario, resembling realistic environments such as high buildings, tunnels or train circuits, and is the first step towards building broader applications. Our ML algorithm can be trained in approximately 40 min, achieving over 80% accuracy in predicting the target's position at a rate of 10 Hz, for a positional error tolerance of 30 cm, which is a precise distance compared to the 4-meter spacing between parking levels. Our results open up the possibility to apply this ML method more generally for real-time monitoring of magnetic objects, which will broaden the scope of magnetic detection applications.
• Abstract（参考訳）: リモート磁気センシングは、物体の位置をリアルタイムで監視し、地上輸送の監視、地下インフラのマッピング、有害な検出を可能にする。 しかし、磁気信号は通常弱く複雑であり、解析するために洗練された物理モデルと、研究中のシステムの詳細な知識を必要とする。 本研究では、物理モデルなしで実験データのみにトレーニング可能な機械学習(ML)手法を実演し、リアルタイムに磁気目標の位置を予測することにより、これらの制約に対する解決策を提供する。 ターゲットはフロアノイズの上に磁気信号を持つ任意の物体であり、この場合、エレベータが単一の軸に沿って移動することで生成される数百ナノテスラの変動を追跡するために量子ダイヤモンド磁力計を使用する。 1次元の運動は、高層建築物、トンネル、電車の回路のような現実的な環境に似ており、より広範なアプリケーションを構築するための最初のステップである。 我々のMLアルゴリズムは約40分で訓練でき、目標位置を10Hzの速度で予測する精度を80%以上達成できる。 以上の結果から,このML法を磁気物体のリアルタイムモニタリングに応用する可能性が明らかとなり,磁気検出の応用範囲が拡大する。

関連論文リスト

• Random forests for detecting weak signals and extracting physical information: a case study of magnetic navigation [0.0]
  貯水池計算と時間遅延フィードフォワードニューラルネットワークという2つの機械学習アーキテクチャは、GPSで測定された環境で地球の異常磁場を検出するために利用することができる。 我々は,複数の決定木の出力を組み合わせたランダム森林の機械学習モデルを利用して,物理量の最適値を与える。 ランダムフォレストアルゴリズムは, 弱い異常場の検出や航空機の位置のフィルタリングにおいて, 極めてよく機能することを示す。
  論文  参考訳（メタデータ） (2024-02-21T21:10:12Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic Navigation Systems using Liquid Time-Constant Networks [0.09514898210006967]
  磁気航法 (MagNav) はGPS(Global Positioning System)の代替であり、航空機の航法に有用であることが証明されている。 従来の航空航法システムでは、特定の環境での精度と信頼性、攻撃に対する制限に直面している。 我々は,MagNav位置推定のためのクリーンで信頼性が高く正確な磁気信号を抽出するための物理情報を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T22:46:51Z)
• Utilizing Synthetic Data in Supervised Learning for Robust 5-DoF Magnetic Marker Localization [24.478974451501113]
  受動的磁気マーカーの追跡は、医療やロボット工学の進歩において重要な役割を担い、システムの精度と効率を大幅に向上させる可能性がある。 伝統的に、繰り返し最適化手順を必要とするため、磁気マーカーの追跡は計算コストがかかる。 本稿では,これらの制限を回避し,マーカーの位置と向きを直接推定し,磁石の5DoFを正確に決定する,新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-14T17:22:50Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Position fixing with cold atom gravity gradiometers [56.45088569868981]
  冷間原子干渉計による部分重力勾配解を用いた自律航法の位置固定法を提案する。 標準のオープンソースグローバル重力データベースを用いて,1000kmを超える軌道に対する安定した航法解を示す。
  論文  参考訳（メタデータ） (2022-04-11T16:42:32Z)
• Machine-learning-enhanced quantum sensors for accurate magnetic field imaging [0.0]
  磁場の局所検出はナノ・マイクロ材料の特徴付けに不可欠である。 ダイヤモンドナノ粒子(ナノダイヤモンド)は、空間分解能を高める魅力的な機会を提供する。 このようなランダム指向ナノダイアモンドアンサンブル(NDE)の物理モデルが利用可能であるが、実際の実験条件の複雑さは依然として磁場の低減の精度を制限している。 ここでは,NDEと機械学習を組み合わせた1.8mu$Tの高精度な磁場イメージングを物理モデルなしで実演する。
  論文  参考訳（メタデータ） (2022-02-01T12:48:06Z)
• Multiclass Permanent Magnets Superstructure for Indoor Localization using Artificial Intelligence [1.3048920509133808]
  スマートフォンは,ユーザの屋内位置推定や位置推定に人気がある。 既存のソリューションは主にWi-Fi、RFID、磁気センシング技術を用いて、混雑した会場での動きを追跡する。 本稿では,そのアルゴリズムを拡張したマルチスーパーストラクチャローカライゼーション手法を提案する。
  論文  参考訳（メタデータ） (2021-07-14T09:59:58Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Surpassing the Energy Resolution Limit with ferromagnetic torque sensors [55.41644538483948]
  標準量子限界における熱力学ノイズと機械的検出ノイズを考慮した最適磁場分解能の評価を行った。 近年の文献で指摘されているエネルギー分解限界(ERL, Energy Resolution Limit)は, 桁違いに超えることがある。
  論文  参考訳（メタデータ） (2021-04-29T15:44:12Z)

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。