論文の概要: Geoff: The Generic Optimization Framework & Frontend for Particle Accelerator Controls

• arxiv url: http://arxiv.org/abs/2506.03796v1
• Date: Wed, 04 Jun 2025 09:58:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.28129
• Title: Geoff: The Generic Optimization Framework & Frontend for Particle Accelerator Controls
• Title（参考訳）: Geoff: 粒子加速器制御のための汎用最適化フレームワークとフロントエンド
• Authors: Penelope Madysa, Sabrina Appel, Verena Kain, Michael Schenk,
• Abstract要約: Geoffは、粒子加速器制御の自動化のためのフレームワークを形成するPythonパッケージのコレクションである。 最適化問題のための標準化されたインターフェース、開発をスピードアップするユーティリティ機能、すべてを結合するリファレンスGUIアプリケーションを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Geoff is a collection of Python packages that form a framework for automation of particle accelerator controls. With particle accelerator laboratories around the world researching machine learning techniques to improve accelerator performance and uptime, a multitude of approaches and algorithms have emerged. The purpose of Geoff is to harmonize these approaches and to minimize friction when comparing or migrating between them. It provides standardized interfaces for optimization problems, utility functions to speed up development, and a reference GUI application that ties everything together. Geoff is an open-source library developed at CERN and maintained and updated in collaboration between CERN and GSI as part of the EURO-LABS project. This paper gives an overview over Geoff's design, features, and current usage.
• Abstract（参考訳）: Geoffは、粒子加速器制御の自動化のためのフレームワークを形成するPythonパッケージのコレクションである。 加速器の性能とアップタイムを改善するために、世界中の粒子加速器研究所が機械学習技術を研究しており、多くのアプローチとアルゴリズムが出現している。 Geoffの目的は、これらのアプローチを調和させ、それらの間の比較や移動の際の摩擦を最小限にすることである。 最適化問題のための標準化されたインターフェース、開発をスピードアップするユーティリティ機能、すべてを結合するリファレンスGUIアプリケーションを提供する。 GeoffはCERNで開発されたオープンソースライブラリで、EURO-LABSプロジェクトの一部としてCERNとGSIの協力の下でメンテナンスされ、更新されている。 本稿では,Geoffの設計,機能,現在の使用状況について概説する。

関連論文リスト

• UFO2: The Desktop AgentOS [60.317812905300336]
  UFO2はWindowsデスクトップ用のマルチエージェントAgentOSで、実用的なシステムレベルの自動化に発展している。 我々は、20以上の現実世界のWindowsアプリケーションに対してUFO2を評価し、従来のCUAよりもロバスト性および実行精度を大幅に改善した。 我々の結果は、ディープOSの統合によって、信頼性の高いユーザ指向のデスクトップ自動化へのスケーラブルな道が開けることを示している。
  論文  参考訳（メタデータ） (2025-04-20T13:04:43Z)
• Outlook Towards Deployable Continual Learning for Particle Accelerators [5.736575969103521]
  粒子加速器における機械学習の既存の応用と分布のドリフトによる限界について論じる。 次に、既存の連続学習手法を概観し、アクセラレーターにおけるデータ分散ドリフトに対処する可能性について検討する。 本稿では,新たな分野の開拓と,粒子加速器の展開可能な連続学習に向けた研究の促進を目的とする。
  論文  参考訳（メタデータ） (2025-04-04T03:34:39Z)
• Geometric Retargeting: A Principled, Ultrafast Neural Hand Retargeting Algorithm [50.52643618961044]
  遠隔操作のための超高速・原理的ハンドアルゴリズムGeoRTを紹介する。 GeoRTは、人間の指のキーポイントを1KHzでロボットの手のキーポイントに変換し、最先端のスピードと精度を達成する。
  論文  参考訳（メタデータ） (2025-03-10T17:10:21Z)
• Seeing Beyond Views: Multi-View Driving Scene Video Generation with Holistic Attention [61.3281618482513]
  高品質なマルチビュー駆動ビデオの合成を目的とした,新しいネットワークであるCogDrivingについて紹介する。 CogDriving は Diffusion Transformer アーキテクチャと holistic-4D attention module を活用し、次元間の同時結合を可能にする。 CogDrivingは、nuScenesバリデーションセットで強力なパフォーマンスを示し、FVDスコア37.8を達成し、リアルなドライビングビデオを生成する能力を強調している。
  論文  参考訳（メタデータ） (2024-12-04T18:02:49Z)
• GreenLight-Gym: Reinforcement learning benchmark environment for control of greenhouse production systems [0.0]
  GreenLight-Gymは、温室作物生産管理における強化学習手法を開発するための、高速でオープンソースのベンチマーク環境である。 CasADiフレームワークを活用して、効率的な数値統合を実現する。 モジュール化されたPython環境ラッパーは、コントロールタスクとRLベースのコントローラの柔軟な構成を可能にする。
  論文  参考訳（メタデータ） (2024-10-06T18:25:23Z)
• Rethinking the Architecture Design for Efficient Generic Event Boundary Detection [71.50748944513379]
  ジェネリック(GEBD)は、ビデオを一貫した時間的チャンクに分割する人間の視覚的認知的行動にインスパイアされている。 SOTA GEBDモデルは、しばしばモデル複雑さよりも最終的なパフォーマンスを優先し、推論速度を低くし、現実のシナリオにおける効率的なデプロイメントを妨げる。 我々は,GEBDモデルのアーキテクチャを実験的に再検討し,この問題に対処するために貢献する。
  論文  参考訳（メタデータ） (2024-07-17T14:49:54Z)
• New Frontiers in Graph Autoencoders: Joint Community Detection and Link Prediction [27.570978996576503]
  リンク予測(LP)の強力な方法として,グラフオートエンコーダ(GAE)と変分グラフオートエンコーダ(VGAE)が登場した。 特にノード機能がない場合、GAEとVGAEでCDをどの程度改善できるかは不明である。 これら2つのタスクを高い精度で共同で処理することは可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-16T15:26:56Z)
• Union: A Unified HW-SW Co-Design Ecosystem in MLIR for Evaluating Tensor Operations on Spatial Accelerators [4.055002321981825]
  We present a HW-SW co-design ecosystem for space accelerators called Union。 我々のフレームワークは、いくつかのアクセラレータコストモデル上で、異なるアルゴリズムとそのマッピングを探索することができる。 コミュニティにとってのユニオンの価値をいくつかのケーススタディで実証する。
  論文  参考訳（メタデータ） (2021-09-15T16:42:18Z)
• VEGA: Towards an End-to-End Configurable AutoML Pipeline [101.07003005736719]
  VEGAは効率よく包括的なAutoMLフレームワークで、複数のハードウェアプラットフォームに互換性があり、最適化されている。 VEGAは既存のAutoMLアルゴリズムを改善し、SOTAメソッドに対して新しい高性能モデルを発見する。
  論文  参考訳（メタデータ） (2020-11-03T06:53:53Z)
• GTOPX Space Mission Benchmarks [1.4211973704803558]
  GTOPX スペース・ミッション・ベンチマーク・コレクション(英: GTOPX Space Mission benchmark collection)は、欧州宇宙機関(ESA)が発行したGTOPデータベースの拡張である。 GTOPXは、実際の惑星間空間軌道設計問題を表す10個のベンチマークインスタンスで構成される。 本研究の目的は,新たに利用可能なGTOPXベンチマークソフトウェアについて,研究者にマニュアルと参照を提供することである。
  論文  参考訳（メタデータ） (2020-10-15T04:45:16Z)

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。