論文の概要: A Start To End Machine Learning Approach To Maximize Scientific Throughput From The LCLS-II-HE

• arxiv url: http://arxiv.org/abs/2505.23858v1
• Date: Thu, 29 May 2025 07:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.575816
• Title: A Start To End Machine Learning Approach To Maximize Scientific Throughput From The LCLS-II-HE
• Title（参考訳）: LCLS-II-HEによる科学的なアウトプットを最大化するための機械学習アプローチ
• Authors: Aashwin Mishra, Matt Seaberg, Ryan Roussel, Fred Poitevin, Jana Thayer, Daniel Ratner, Auralee Edelen, Apurva Mehta,
• Abstract要約: 本稿では,機械学習による最適化,自動化,リアルタイム知識抽出を実現するため,SLACで開発している戦略の概要を紹介する。 この戦略は、電子加速器の開始時に実装され、実験終了まで多次元X線光学系に実装され、Lの高読出率マルチメガピクセル検出器が設計性能をユーザに届ける。
• 参考スコア（独自算出の注目度）: 1.0579853652793991
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the increasing brightness of Light sources, including the Diffraction-Limited brightness upgrade of APS and the high-repetition-rate upgrade of LCLS, the proposed experiments therein are becoming increasingly complex. For instance, experiments at LCLS-II-HE will require the X-ray beam to be within a fraction of a micron in diameter, with pointing stability of a few nanoradians, at the end of a kilometer-long electron accelerator, a hundred-meter-long undulator section, and tens of meters long X-ray optics. This enhancement of brightness will increase the data production rate to rival the largest data generators in the world. Without real-time active feedback control and an optimized pipeline to transform measurements to scientific information and insights, researchers will drown in a deluge of mostly useless data, and fail to extract the highly sophisticated insights that the recent brightness upgrades promise. In this article, we outline the strategy we are developing at SLAC to implement Machine Learning driven optimization, automation and real-time knowledge extraction from the electron-injector at the start of the electron accelerator, to the multidimensional X-ray optical systems, and till the experimental endstations and the high readout rate, multi-megapixel detectors at LCLS to deliver the design performance to the users. This is illustrated via examples from Accelerator, Optics and End User applications.
• Abstract（参考訳）: APSの回折限界輝度アップグレードやLCLSの高繰り返しレートアップグレードなど、光源の輝度が増大するにつれて、提案する実験はますます複雑化しつつある。 例えば、LCLS-II-HEの実験では、X線ビームは直径1ミクロンのごく一部で、数ナノラジアンの点定安定性が要求される。 この明るさの増大は、世界最大のデータジェネレータに匹敵するデータ生産率を高めるだろう。 リアルタイムのアクティブフィードバックコントロールと、測定結果を科学的情報や洞察に変換するための最適化されたパイプラインがなければ、研究者はほとんど役に立たないデータの不足に陥り、最近の明るさ向上が約束する高度に洗練された洞察を抽出することができない。 本稿では,電子加速器の開始時に電子インジェクタから電子インジェクタを抽出し,多次元のX線光学系まで,そしてLCLSにおける実験的なエンドステーションと高可読率のマルチメガピクセル検出器が設計性能をユーザに提供するまで,SLACで開発している戦略の概要を述べる。 これはAccelerator, Optics, End User アプリケーションの例で説明されている。

関連論文リスト

• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Automated Anomaly Detection on European XFEL Klystrons [1.9389881806157316]
  高出力マルチビームクライストロンは、欧州XFELでRFを増幅するための重要な構成要素である。 様々な操作モードを判定し,特徴抽出と次元還元を行う実験を行った。 私たちは、Klystronの運用状態の理解を深める上で最も有望なコンポーネントを認識し、可能性のある障害や異常を早期に特定しました。
  論文  参考訳（メタデータ） (2024-05-20T21:59:07Z)
• Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving [58.16024314532443]
  我々は、異なるLiDARスキャンからレーザービーム操作を統合するフレームワークであるLaserMix++を導入し、データ効率の学習を支援するためにLiDAR-カメラ対応を組み込んだ。 結果は、LaserMix++が完全に教師付き代替よりも優れており、5倍のアノテーションで同等の精度を実現していることを示している。 この大幅な進歩は、LiDARベースの3Dシーン理解システムにおける広範囲なラベル付きデータへの依存を減らすための半教師付きアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2024-05-08T17:59:53Z)
• 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)
• Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method [51.30748775681917]
  低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。 我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。 第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T09:05:07Z)
• Multipoint-BAX: A New Approach for Efficiently Tuning Particle Accelerator Emittance via Virtual Objectives [47.52324722637079]
  マルチポイントクエリにおけるブラックボックス最適化のための情報理論アルゴリズムであるMultipoint-BAXを提案する。 我々はマルチポイントBAXを用いてLinac Coherent Light Source(LCLS)とAdvanced Accelerator Experimental Tests II(FACET-II)の発光を最小化する。
  論文  参考訳（メタデータ） (2022-09-10T04:01:23Z)
• Mixed Diagnostics for Longitudinal Properties of Electron Bunches in a Free-Electron Laser [0.0]
  電子束の縦方向の性質は、幅広い科学施設のパフォーマンスに不可欠である。 人工知能の力を活用して、実験データを用いたニューラルネットワークモデルを構築します。 そこで本研究では,予測スペクトルと測定スペクトルを組み合わせることで,CTRのオンライン計測を大幅に改善する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-15T06:32:48Z)
• Scaling and Acceleration of Three-dimensional Structure Determination for Single-Particle Imaging Experiments with SpiniFEL [0.0]
  単粒子イメージング(SPI)実験からタンパク質の構造決定に使用されるSpiniFELについて述べる。 SpiniFELは、実験が行われている間、ほぼリアルタイムでスーパーコンピュータ上で動くように開発されており、データに対するフィードバックがデータ収集戦略を導くことができる。
  論文  参考訳（メタデータ） (2021-09-11T18:49:54Z)
• Accurate and confident prediction of electron beam longitudinal properties using spectral virtual diagnostics [0.0]
  縦相空間(LPS)は、様々な科学応用のために電子ビーム力学に関する重要な情報を提供する。 我々は、相対論的電子ビームの放射から非破壊的に、ショット毎のLPSを正確に予測する機械学習ベースの仮想診断(VD)ツールを提案する。
  論文  参考訳（メタデータ） (2020-09-27T13:02:33Z)

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。