Fugu-MT 論文翻訳(概要): AI-Assisted Transport of Radioactive Ion Beams

論文の概要: AI-Assisted Transport of Radioactive Ion Beams

arxiv url: http://arxiv.org/abs/2504.06469v2
Date: Thu, 17 Apr 2025 00:25:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-25 12:31:04.219587
Title: AI-Assisted Transport of Radioactive Ion Beams
Title（参考訳）: 放射能イオンビームのAI支援輸送
Authors: Sergio Lopez-Caceres, Daniel Santiago-Gonzalez,
Abstract要約: 我々は,放射光の輸送過程を支援するために人工知能(AI)を用いたシステムを導入する。このAI支援アプローチは、世界中の他の放射性ビーム施設に拡張して、運用効率を改善し、科学的な出力を高めることができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Beams of radioactive heavy ions allow researchers to study rare and unstable atomic nuclei, shedding light into the internal structure of exotic nuclei and on how chemical elements are formed in stars. However, the extraction and transport of radioactive beams rely on time-consuming expert-driven tuning methods, where hundreds of parameters are manually optimized. Here, we introduce a system that employs Artificial Intelligence (AI), specifically utilizing Bayesian Optimization, to assist in the transport process of radioactive beams. We apply our methodology to real-life scenarios showing advantages when compared with standard tuning methods. This AI-assisted approach can be extended to other radioactive beam facilities around the world to improve operational efficiency and enhance scientific output.
Abstract（参考訳）: 放射性重イオンのビームは、希少で不安定な原子核の研究を可能にする。しかし、放射性ビームの抽出と輸送は、数百のパラメータが手動で最適化される時間を要する専門家主導のチューニング手法に依存している。本稿では,ベイズ最適化を専門とする人工知能(AI)を応用して,放射光の輸送プロセスを支援するシステムを提案する。提案手法を実生活シナリオに適用し,標準的なチューニング手法と比較した場合の利点を示す。このAI支援アプローチは、世界中の他の放射性ビーム施設に拡張して、運用効率を改善し、科学的な出力を高めることができる。

関連論文リスト

Sionna RT: Technical Report [55.30691098976664]
SionnaはオープンソースのGPUアクセラレーションライブラリで、電波伝搬をシミュレートするレイトレーサを備えている。本論文は、Sionna RTが電波伝搬を効率的にシミュレートするアルゴリズムについて詳述する。
論文参考訳（メタデータ） (2025-04-30T15:05:20Z)
How Well Can Modern LLMs Act as Agent Cores in Radiology Environments? [54.36730060680139]
RadA-BenchPlatは、放射線学環境での大規模言語モデル(LLM)のパフォーマンスをベンチマークする評価プラットフォームである。また、エージェント駆動型タスク解決ツールの10のカテゴリを定義し、7つの主要なLCMを評価している。
論文参考訳（メタデータ） (2024-12-12T18:20:16Z)
Action-Attentive Deep Reinforcement Learning for Autonomous Alignment of Beamlines [8.893851834398179]
放射光源は材料科学、生物学、化学などの分野で重要な役割を果たしている。ビームラインのアライメントは複雑で時間を要するプロセスであり、主にエンジニアが手動で行う。本稿では,ビームラインのアライメントをマルコフ決定プロセス(MDP)としてモデル化し,RLを用いたインテリジェントエージェントのトレーニングを行う。
論文参考訳（メタデータ） (2024-11-19T02:50:11Z)
Evaluating radiation impact on transmon qubits in above and underground facilities [52.89046593457984]
我々は,Fermilab SQMS地上施設および深部地下グラン・サッソ研究所(INFN-LNGS)で最初に測定されたトランスモン量子ビットの応答の比較を行った。その結果、クォービットは強いガンマ源に反応し、粒子の衝突を検出す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） (2024-05-28T16:54:45Z)
CRISPR-GPT: An LLM Agent for Automated Design of Gene-Editing Experiments [51.41735920759667]
大規模言語モデル(LLM)は様々なタスクにおいて有望であるが、しばしば特定の知識が欠如し、生物学的設計の問題を正確に解くのに苦労する。本研究では,CRISPRに基づく遺伝子編集実験の設計プロセスを自動化するために,ドメイン知識と外部ツールを付加したLCMエージェントであるCRISPR-GPTを紹介する。
論文参考訳（メタデータ） (2024-04-27T22:59:17Z)
RadDQN: a Deep Q Learning-based Architecture for Finding Time-efficient Minimum Radiation Exposure Pathway [0.0]
本稿では,放射線帯における時間効率の低い最小放射露光経路を提供するために,放射線対応報酬関数で動作する深層Q-ラーニングベースアーキテクチャ(RadDQN)を提案する。本研究では,訓練中の放射線被曝状態の経時変化に基づいて,調査・利用の程度を微調整する一貫した探索手法を提案する。
論文参考訳（メタデータ） (2024-02-01T10:15:39Z)
Accelerating Electronic Stopping Power Predictions by 10 Million Times with a Combination of Time-Dependent Density Functional Theory and Machine Learning [1.0327148933896368]
物質中の粒子放射がエネルギーを放出する速度を知ることは、原子炉、医療、半導体、量子材料を設計する上で鍵となる。我々は,時間依存密度汎関数理論と機械学習を組み合わせることで,スーパーコンピュータ上での時間のみの新しい材料評価時間を短縮する手法を確立した。このアプローチでは、TDDFTを使用して電子的な停止コントリビューションを計算し、最初の原則からいくつかの方向のパワーを停止し、マシンラーニングを使用して他の方向へのインターポーラを、コア時間の1000万倍のコストで実行します。
論文参考訳（メタデータ） (2023-11-01T19:11:46Z)
Demonstration-Guided Reinforcement Learning with Efficient Exploration for Task Automation of Surgical Robot [54.80144694888735]
効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-02-20T05:38:54Z)
Disentangling the sources of ionizing radiation in superconducting qubits [0.0]
放射能は超伝導量子プロセッサの現実的な実装におけるデコヒーレンスと相関誤差の源として最近発見された。我々は、典型的な実験室環境(自然発生の放射性同位体によって放出されるミューオン、中性子、ガンマの放射能レベル)と、最先端の超伝導量子ビットの組み立てと操作に最もよく用いられる材料を測定する。そこで我々は,次世代量子ビットの無線処理環境における動作の緩和戦略を提案する。
論文参考訳（メタデータ） (2022-11-24T13:33:21Z)
Learning the Physics of Particle Transport via Transformers [0.0]
単エネルギー陽子ビームで堆積した線量を予測するデータ駆動線量計算アルゴリズムを提案する。提案手法は,現在の臨床解析用鉛筆法よりも33倍高速である。我々のモデルは、これまでリアルタイム適応プロトン処理を禁止してきた大きな障害を克服する可能性がある。
論文参考訳（メタデータ） (2021-09-08T22:26:03Z)
Single-atom transport in optical conveyor belts: Enhanced shortcuts-to-adiabaticity approach [0.0]
凝縮トラップを移動させることによって実現された原子輸送は、多くの量子技術応用の前提条件である。移動型光格子(光コンベヤベルト)の実験的検討本システムでは,3次元無調波閉じ込めポテンシャルを十分に考慮し,単一原子輸送をモデル化する。
論文参考訳（メタデータ） (2021-08-23T18:01:04Z)
Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
論文参考訳（メタデータ） (2020-11-23T21:45:01Z)
Interferobot: aligning an optical interferometer by a reinforcement learning agent [118.43526477102573]
我々は、単眼カメラで取得した縁の画像に基づいて、マッハ・ツェンダー干渉計を整列するようにRLエージェントを訓練する。エージェントは、物理に関する手書きの特徴や事前情報なしで、シミュレーション環境で訓練される。物理測定の不確かさをシミュレートする一連の領域ランダム化により、エージェントはこの干渉計を微調整なしで整列させることに成功した。
論文参考訳（メタデータ） (2020-06-03T13:10:54Z)
Radioactive data: tracing through training [130.2266320167683]
本稿では,このデータセットに認識不能な変化を生じさせる新しい手法であるEmphradioactive dataを提案する。訓練されたモデルにより, 放射能データの利用を検知し, 信頼度(p-値)のレベルを提供する。提案手法はディープネットワーク最適化におけるデータ拡張とバックドア性に対して堅牢である。
論文参考訳（メタデータ） (2020-02-03T18:41:08Z)

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。