論文の概要: Seeing the Invisible: Machine learning-Based QPI Kernel Extraction via Latent Alignment

• arxiv url: http://arxiv.org/abs/2506.05325v1
• Date: Thu, 05 Jun 2025 17:58:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.890257
• Title: Seeing the Invisible: Machine learning-Based QPI Kernel Extraction via Latent Alignment
• Title（参考訳）: 見えないものを見る:潜在アライメントによる機械学習に基づくQPIカーネル抽出
• Authors: Yingshuai Ji, Haomin Zhuang, Matthew Toole, James McKenzie, Xiaolong Liu, Xiangliang Zhang,
• Abstract要約: 準粒子干渉(QPI)イメージングは、量子材料中の電子構造を探索するための強力なツールである。 マルチ散乱器画像から単一散乱器QPIパターンを抽出することは、基本的に不適切な逆問題である。 本稿では,QPIカーネル抽出のためのAIベースのフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 20.138206974466772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quasiparticle interference (QPI) imaging is a powerful tool for probing electronic structures in quantum materials, but extracting the single-scatterer QPI pattern (i.e., the kernel) from a multi-scatterer image remains a fundamentally ill-posed inverse problem. In this work, we propose the first AI-based framework for QPI kernel extraction. We introduce a two-step learning strategy that decouples kernel representation learning from observation-to-kernel inference. In the first step, we train a variational autoencoder to learn a compact latent space of scattering kernels. In the second step, we align the latent representation of QPI observations with those of the pre-learned kernels using a dedicated encoder. This design enables the model to infer kernels robustly even under complex, entangled scattering conditions. We construct a diverse and physically realistic QPI dataset comprising 100 unique kernels and evaluate our method against a direct one-step baseline. Experimental results demonstrate that our approach achieves significantly higher extraction accuracy, and improved generalization to unseen kernels.
• Abstract（参考訳）: 準粒子干渉(QPI)イメージングは、量子材料中の電子構造を探索する強力なツールであるが、マルチ散乱画像から単一散乱QPIパターン(すなわちカーネル)を抽出することは、根本的な不適切な逆問題である。 そこで本研究では,QPIカーネル抽出のためのAIベースのフレームワークを提案する。 我々はカーネル表現学習を観察とカーネル推論から切り離す2段階の学習戦略を導入する。 最初のステップでは、分散カーネルのコンパクトな潜在空間を学ぶために変分オートエンコーダを訓練する。 第2のステップでは、専用エンコーダを用いて、QPI観測の潜在表現を、事前学習されたカーネルのそれと整合させる。 この設計により、複雑で絡み合った散乱条件下であっても、核を堅牢に推論することができる。 我々は,100個のカーネルからなる多種多様で物理的に現実的なQPIデータセットを構築し,本手法を1ステップの直接ベースラインに対して評価する。 実験の結果,提案手法は抽出精度が大幅に向上し,未知のカーネルへの一般化が向上した。

関連論文リスト

• Scalable Gaussian Processes with Low-Rank Deep Kernel Decomposition [7.532273334759435]
  カーネルはガウス過程(GP)モデルにおいて、事前の信念とデータ構造を符号化する鍵である。 ディープカーネル学習は、標準的なパラメトリック形式を適用する前に、ニューラルネットワークを介して入力を入力することで、カーネルの柔軟性を向上させる。 我々は、ニューラルネットワークが直接低ランクカーネルを表現する、完全にデータ駆動でスケーラブルなディープカーネル表現を導入する。
  論文  参考訳（メタデータ） (2025-05-24T05:42:11Z)
• Predicting Open-Hole Laminates Failure Using Support Vector Machines With Classical and Quantum Kernels [2.0039767863372506]
  本研究では, 面内載荷時の開放孔複合板の最終的な破壊包絡を学習するために, 代理モデルの訓練方法を示す。 カーネル-ターゲットアライメント最適化により、すべてのカーネルのフリーパラメータを最適化し、安全なロード状態と障害発生ロード状態の分離を最良とする。
  論文  参考訳（メタデータ） (2024-05-05T11:48:50Z)
• Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
  オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。 穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。 また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
  論文  参考訳（メタデータ） (2022-02-01T17:46:51Z)
• Learning with convolution and pooling operations in kernel methods [8.528384027684192]
  近年の実証研究により、階層的畳み込みカーネルは、画像分類タスクにおけるカーネルメソッドの性能を向上させることが示されている。 畳み込みアーキテクチャにおける近似と一般化の正確な相互作用について検討する。 この結果から,対象関数に適応したアーキテクチャの選択が,サンプルの複雑性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2021-11-16T09:00:44Z)
• Kernel Identification Through Transformers [54.3795894579111]
  カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。 この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。 KITT: Kernel Identification through Transformersを提案する。
  論文  参考訳（メタデータ） (2021-06-15T14:32:38Z)
• Random Features for the Neural Tangent Kernel [57.132634274795066]
  完全接続型ReLUネットワークのニューラルタンジェントカーネル(NTK)の効率的な特徴マップ構築を提案する。 得られた特徴の次元は、理論と実践の両方で比較誤差境界を達成するために、他のベースライン特徴マップ構造よりもはるかに小さいことを示しています。
  論文  参考訳（メタデータ） (2021-04-03T09:08:12Z)
• Flow-based Kernel Prior with Application to Blind Super-Resolution [143.21527713002354]
  カーネル推定は一般にブラインド画像超解像(SR)の鍵となる問題の一つである 本稿では,カーネルモデリングのための正規化フローベースカーネルプリレント(fkp)を提案する。 合成および実世界の画像の実験により、提案したFKPがカーネル推定精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2021-03-29T22:37:06Z)
• Quantum Multiple Kernel Learning [1.9116668545881028]
  カーネルメソッドは、その概念的単純さと優れたパフォーマンスのために、機械学習アプリケーションにおいて重要な役割を果たす。 カーネルマシンの表現性を高める1つのアプローチは、複数の個々のカーネルを組み合わせることである。 複数の量子カーネルを組み合わせた量子MKLを提案する。
  論文  参考訳（メタデータ） (2020-11-19T07:19:41Z)
• Isolation Distributional Kernel: A New Tool for Point & Group Anomaly Detection [76.1522587605852]
  分離分散カーネル(IDK)は2つの分布の類似性を測定する新しい方法である。 我々は、カーネルベースの異常検出のための新しいツールとして、IDKの有効性と効率を示す。
  論文  参考訳（メタデータ） (2020-09-24T12:25:43Z)
• Learning Deep Kernels for Non-Parametric Two-Sample Tests [50.92621794426821]
  2組のサンプルが同じ分布から引き出されるかどうかを判定するカーネルベースの2サンプルテストのクラスを提案する。 私たちのテストは、テストパワーを最大化するためにトレーニングされたディープニューラルネットワークによってパラメータ化されたカーネルから構築されます。
  論文  参考訳（メタデータ） (2020-02-21T03:54:23Z)

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。