論文の概要: Efficient Dynamic and Momentum Aperture Optimization for Lattice Design Using Multipoint Bayesian Algorithm Execution

• arxiv url: http://arxiv.org/abs/2511.17850v1
• Date: Sat, 22 Nov 2025 00:32:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.473868
• Title: Efficient Dynamic and Momentum Aperture Optimization for Lattice Design Using Multipoint Bayesian Algorithm Execution
• Title（参考訳）: マルチポイントベイズアルゴリズムを用いた格子設計のための動的およびモーメント的開口最適化
• Authors: Z. Zhang, I. Agapov, S. Gasiorowski, T. Hellert, W. Neiswanger, X. Huang, D. Ratner,
• Abstract要約: ストレージリング設計の最適化において,マルチポイントベイズアルゴリズムの実行が基本的な計算課題を克服できることを実証する。 我々は,ニューラルネットワークを用いたマルチポイントBAXを用いた第4世代光源の新たな設計法について,遺伝的アルゴリズムと比較して2桁未満の追跡計算を用いて,等価なフロント結果が得られることを示す。 ブラックボックス最適化の代替として,マルチポイントBAXの大幅なコスト削減が期待され,今後の光源,衝突器,大規模科学施設の設計に期待できる。
• 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: We demonstrate that multipoint Bayesian algorithm execution can overcome fundamental computational challenges in storage ring design optimization. Dynamic (DA) and momentum (MA) optimization is a multipoint, multiobjective design task for storage rings, ultimately informing the flux of x-ray sources and luminosity of colliders. Current state-of-art black-box optimization methods require extensive particle-tracking simulations for each trial configuration; the high computational cost restricts the extent of the search to $\sim 10^3$ configurations, and therefore limits the quality of the final design. We remove this bottleneck using multipointBAX, which selects, simulates, and models each trial configuration at the single particle level. We demonstrate our approach on a novel design for a fourth-generation light source, with neural-network powered multipointBAX achieving equivalent Pareto front results using more than two orders of magnitude fewer tracking computations compared to genetic algorithms. The significant reduction in cost positions multipointBAX as a promising alternative to black-box optimization, and we anticipate multipointBAX will be instrumental in the design of future light sources, colliders, and large-scale scientific facilities.
• Abstract（参考訳）: ストレージリング設計の最適化において,マルチポイントベイズアルゴリズムの実行が基本的な計算課題を克服できることを実証する。 動的 (DA) と運動量 (MA) の最適化 (MA) は多点多目的記憶環の設計タスクであり、最終的にはX線源のフラックスと衝突子の光度を知らせる。 現在の最先端のブラックボックス最適化手法は、各試行構成に対して広範囲な粒子追跡シミュレーションを必要とするが、高い計算コストは、探索の範囲を$\sim 10^3$設定に制限し、したがって最終設計の品質を制限している。 我々は、このボトルネックをマルチポイントBAXを用いて排除し、単一の粒子レベルで各試行構成を選択し、シミュレートし、モデル化する。 我々は,ニューラルネットワークを用いたマルチポイントBAXを用いた第4世代光源の新たな設計法について,遺伝的アルゴリズムと比較して2桁以上の追跡計算量で同等のパレートを達成できることを示す。 ブラックボックス最適化の代替として,マルチポイントBAXの大幅なコスト削減が期待され,今後の光源,衝突器,大規模科学施設の設計に期待できる。

関連論文リスト

• LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.35609820607923]
  大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。 LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。 LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
  論文  参考訳（メタデータ） (2025-08-16T02:00:57Z)
• Scalable Min-Max Optimization via Primal-Dual Exact Pareto Optimization [66.51747366239299]
  拡張ラグランジアンに基づくmin-max問題のスムーズな変種を提案する。 提案アルゴリズムは, 段階的戦略よりも目的数で拡張性が高い。
  論文  参考訳（メタデータ） (2025-03-16T11:05:51Z)
• Preference-Aware Constrained Multi-Objective Bayesian Optimization [32.95116113569985]
  本稿では,ブラックボックスの目的関数に対する制約付き多目的最適化の問題に対処し,入力空間の大部分を実現できない場合(すなわち制約に違反する場合)に,対象関数に対して具体的選好を行う。 主な課題は、設計空間の巨大なサイズ、複数の目的と多数の制約、そして高価なシミュレーションを実行した後にのみ特定できる実行可能な入力設計のごく一部である。 そこで本稿では,PAC-MOO(PAC-MOO)と呼ばれる制約付き複数目的ベイズ最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-03-23T04:46:49Z)
• Multi-objective and multi-fidelity Bayesian optimization of laser-plasma acceleration [0.0]
  シミュレーションレーザープラズマ加速器の多目的最適化に関する最初の結果を示す。 多目的最適化は単目的最適化と同等かそれ以上に性能が優れていることが判明した。 シミュレーションの解像度とボックスサイズを動的に選択することで,最適化の計算コストを大幅に削減する。
  論文  参考訳（メタデータ） (2022-10-07T12:09:09Z)
• 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)
• Accelerating Bayesian Optimization for Biological Sequence Design with Denoising Autoencoders [28.550684606186884]
  我々は,識別可能なマルチタスクガウスプロセスヘッドを用いて,デノナイズドオートエンコーダを共同で訓練する手法を開発した。 我々はZINCデータセットに基づく小分子上でLaMBOを評価し,蛍光タンパク質をターゲットとした新しい大規模分子タスクを導入する。
  論文  参考訳（メタデータ） (2022-03-23T21:58:45Z)
• Leveraging Trust for Joint Multi-Objective and Multi-Fidelity Optimization [0.0]
  本稿では,ベイズ的多目的・多忠実度最適化(MOMF)に対する新しいアプローチについて検討する。 複数目的とデータソースの同時最適化を支援するために,信頼度基準の革新的利用を提案する。 本手法はプラズマ物理学や流体力学などの分野におけるシミュレーション問題の解法に適用可能である。
  論文  参考訳（メタデータ） (2021-12-27T20:55:26Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• Multi-Fidelity Multi-Objective Bayesian Optimization: An Output Space Entropy Search Approach [44.25245545568633]
  複数目的のブラックボックス最適化の新たな課題を多要素関数評価を用いて検討する。 いくつかの総合的および実世界のベンチマーク問題に対する実験により、MF-OSEMOは両者の近似により、最先端の単一忠実度アルゴリズムよりも大幅に改善されていることが示された。
  論文  参考訳（メタデータ） (2020-11-02T06:59:04Z)

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。