Fugu-MT 論文翻訳(概要): Computing the Wave: Where the Gravitational Wave Community benefits from High-Energy Physics, and where it differs ?

論文の概要: Computing the Wave: Where the Gravitational Wave Community benefits from High-Energy Physics, and where it differs ?

arxiv url: http://arxiv.org/abs/2503.14292v1
Date: Tue, 18 Mar 2025 14:32:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-19 14:16:36.218224
Title: Computing the Wave: Where the Gravitational Wave Community benefits from High-Energy Physics, and where it differs ?
Title（参考訳）: 波の計算: 重力波コミュニティは高エネルギー物理学から恩恵を受け、どこで異なるのか?
Authors: Marco Meyer-Conde, Nobuyuki Kanda, Hirotaka Takahashi, Ken-ichi Oohara, Kazuki Sakai,
Abstract要約: 現在、一連のライブラリがプロトタイプ化され、https://git.ligo.org/kagra/libraries-addons/rootで利用可能になっている。 FFTWとKFRライブラリのパフォーマンスを比較した性能ベンチマークを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: High-Energy Physics (HEP) and Gravitational Wave (GW) communities serve different scientific purposes. However, their methodologies might potentially offer mutual enrichment through common software developments. A suite of libraries is currently being prototyped and made available at https://git.ligo.org/kagra/libraries-addons/root, extending at no cost the CERN ROOT data analysis framework toward advanced signal processing. We will also present a performance benchmark comparing the FFTW and KFR library performances.
Abstract（参考訳）: 高エネルギー物理学(HEP)と重力波(GW)のコミュニティは異なる科学的目的を担っている。しかしながら、それらの方法論は、共通のソフトウェア開発を通じて相互にリッチ化を提供する可能性がある。現在、一連のライブラリがプロトタイプ化され、https://git.ligo.org/kagra/libraries-addons/rootで利用可能になっている。また、FFTWとKFRライブラリのパフォーマンスを比較した性能ベンチマークを示す。

関連論文リスト

Efficient Machine Learning Ensemble Methods for Detecting Gravitational Wave Glitches in LIGO Time Series [0.614609308117547]
本稿では,GW観測所から異なる種類のノイズやパターンを検出するための2つの新しい機械学習アンサンブル手法を提案する。我々は、Advanced Laser Interferometer GW Observatoryによって収集された実世界のデータから、注釈付き時系列からなるデータセット上で、我々のモデルを訓練し、テストする。提案したDeepWaves Ensembleに次いでShallowWaves Ensembleに近づいた。
論文参考訳（メタデータ） (2023-11-02T10:07:30Z)
Broadband Ground Motion Synthesis via Generative Adversarial Neural Operators: Development and Validation [12.275587079383603]
まず,条件付きグラウンドモーション合成アルゴリズム(cGM-GANO)について述べる。次に,南カリフォルニア地震センター・ブロードバンド・プラットフォーム(BBP)と記録されたKK-netデータによる地動シミュレーションについて,cGM-GANOを訓練する。以上の結果から,cGM-GANOは対応するテクトニクス環境のトレーニングデータと一貫した中央値のスケーリングが可能であることが示唆された。
論文参考訳（メタデータ） (2023-09-07T02:08:30Z)
FS-Real: Towards Real-World Cross-Device Federated Learning [60.91678132132229]
Federated Learning (FL)は、ローカルデータをアップロードすることなく、分散クライアントと協調して高品質なモデルをトレーニングすることを目的としている。 FL研究と実世界のシナリオの間には依然としてかなりのギャップがあり、主に異種デバイスの特徴とそのスケールによって引き起こされている。本稿では,実世界横断デバイスFL,FS-Realのための効率的でスケーラブルなプロトタイピングシステムを提案する。
論文参考訳（メタデータ） (2023-03-23T15:37:17Z)
Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文参考訳（メタデータ） (2022-08-18T15:27:40Z)
j-Wave: An open-source differentiable wave simulator [1.7420604693654884]
本稿では, 時間的・時間的調和的な音響問題を解くことのできる, オープンソースの微分可能な音響シミュレータ j-Wave を提案する。 j-Waveはモジュール化されたコンポーネントで構成されており、カスタマイズや再利用が容易である。
論文参考訳（メタデータ） (2022-06-30T16:19:21Z)
Sionna: An Open-Source Library for Next-Generation Physical Layer Research [64.77840557164266]
Sionnaは、レイカーネルに基づいたリンクレベルシミュレーションのためのGPUアクセラレーションされたオープンソースライブラリである。 Sionnaは、ベンチマークやエンドツーエンドのパフォーマンス評価に使用できる、注意深くテストされた最先端のアルゴリズムを幅広く実装している。
論文参考訳（メタデータ） (2022-03-22T16:31:44Z)
Confluence of Artificial Intelligence and High Performance Computing for Accelerated, Scalable and Reproducible Gravitational Wave Detection [4.081122815035999]
DOEとNSFが支援するサイバーインフラストラクチャーの接続によって、機械学習モデルをパブリッシュする方法を実証する。次に、このワークフローを用いて、オープンソースの先進LIGOデータにおいて、二元ブラックホール重力波信号を探索する。このワークフローを使うことで、オープンソースで利用可能な4つのディープラーニングモデルのアンサンブルがHAL上で実行でき、2017年8月のLIGOデータの高度な処理をわずか7分で行うことができる。
論文参考訳（メタデータ） (2020-12-15T19:00:29Z)
FedML: A Research Library and Benchmark for Federated Machine Learning [55.09054608875831]
フェデレート・ラーニング(Federated Learning, FL)は、機械学習の分野で急速に成長している研究分野である。既存のFLライブラリは多様なアルゴリズム開発を適切にサポートできない。 FLアルゴリズムの開発と公正な性能比較を容易にするための,オープンな研究ライブラリとベンチマークであるFedMLを紹介する。
論文参考訳（メタデータ） (2020-07-27T13:02:08Z)
Real Time Speech Enhancement in the Waveform Domain [99.02180506016721]
本稿では,ラップトップCPU上でリアルタイムに動作する生波形を用いた因果音声強調モデルを提案する。提案モデルは、スキップ接続を持つエンコーダデコーダアーキテクチャに基づいている。静止ノイズや非定常ノイズを含む様々な背景ノイズを除去することができる。
論文参考訳（メタデータ） (2020-06-23T09:19:13Z)
Benchmarking Graph Neural Networks [75.42159546060509]
グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
論文参考訳（メタデータ） (2020-03-02T15:58:46Z)

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。