論文の概要: End-to-end Differentiable Calibration and Reconstruction for Optical Particle Detectors
- arxiv url: http://arxiv.org/abs/2602.24129v1
- Date: Fri, 27 Feb 2026 16:06:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-02 19:48:24.502509
- Title: End-to-end Differentiable Calibration and Reconstruction for Optical Particle Detectors
- Title（参考訳）: 光粒子検出器のエンド・ツー・エンド差分校正と再構成
- Authors: Omar Alterkait, César Jesús-Valls, Ryo Matsumoto, Patrick de Perio, Kazuhiro Terao,
- Abstract要約: 実験物理学における分析は、センサーレベルの情報を物理量の興味に翻訳する高忠実度シミュレータに依存している。
両端から端までの微分可能な光粒子検出器シミュレータを試作し,同時校正と再構成を実現した。
提案手法は,従来は別の問題として扱われてきたシミュレーション,キャリブレーション,トラッキングを,単一の微分可能なフレームワークで実現している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large-scale homogeneous detectors with optical readouts are widely used in particle detection, with Cherenkov and scintillator neutrino detectors as prominent examples. Analyses in experimental physics rely on high-fidelity simulators to translate sensor-level information into physical quantities of interest. This task critically depends on accurate calibration, which aligns simulation behavior with real detector data, and on tracking, which infers particle properties from optical signals. We present the first end-to-end differentiable optical particle detector simulator, enabling simultaneous calibration and reconstruction through gradient-based optimization. Our approach unifies simulation, calibration, and tracking, which are traditionally treated as separate problems, within a single differentiable framework. We demonstrate that it achieves smooth and physically meaningful gradients across all key stages of light generation, propagation, and detection while maintaining computational efficiency. We show that gradient-based calibration and reconstruction greatly simplify existing analysis pipelines while matching or surpassing the performance of conventional non-differentiable methods in both accuracy and speed. Moreover, the framework's modularity allows straightforward adaptation to diverse detector geometries and target materials, providing a flexible foundation for experiment design and optimization. The results demonstrate the readiness of this technique for adoption in current and future optical detector experiments, establishing a new paradigm for simulation and reconstruction in particle physics.
- Abstract（参考訳）: 光学的読み出しを持つ大規模均質検出器は粒子検出に広く使われており、チェレンコフとシンチレータニュートリノ検出器が顕著な例である。
実験物理学における分析は、センサーレベルの情報を物理量の興味に翻訳する高忠実度シミュレータに依存している。
このタスクは、実際の検出器データとシミュレーションの振る舞いを一致させる正確な校正と、光信号から粒子特性を推測する追跡に依存する。
本稿では、勾配最適化による同時校正と再構成が可能な、最初のエンドツーエンドの微分可能な光粒子検出器シミュレータを提案する。
提案手法は,従来は別の問題として扱われてきたシミュレーション,キャリブレーション,トラッキングを,単一の微分可能なフレームワークに統合する。
計算効率を保ちつつ,光生成,伝搬,検出のすべての重要な段階にわたって,スムーズかつ物理的に意味のある勾配を達成できることを実証した。
本研究では,従来の非微分不可能な手法の性能を精度と速度の両面で一致させたり超えたりしながら,勾配に基づくキャリブレーションと再構成が既存の解析パイプラインを大幅に単純化したことを示す。
さらに、このフレームワークのモジュラリティは、多様な検出器とターゲット材料への直接的な適応を可能にし、実験設計と最適化のための柔軟な基盤を提供する。
その結果、この技術が現在および将来の光検出器実験に採用される準備が整ったことを示し、粒子物理学のシミュレーションと再構成のための新しいパラダイムを確立した。
関連論文リスト
- Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。
我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
論文 参考訳（メタデータ） (2025-12-02T17:49:08Z) - Simulation-based inference for Precision Neutrino Physics through Neural Monte Carlo tuning [0.0]
シミュレーションに基づく推論フレームワークにおいて,ニューラルネットワークを用いた推定手法を提案する。
キャリブレーションデータの可能性をモデル化する2つの相補的ニューラルネットワーク密度推定器を開発した。
私たちのフレームワークは、特定のニーズに対して最適なメソッドを選択する柔軟性を提供します。
論文 参考訳（メタデータ） (2025-07-31T07:33:05Z) - PhySense: Sensor Placement Optimization for Accurate Physics Sensing [53.58729034895666]
PhySenseは、物理的なフィールドを共同で再構築し、センサー配置を最適化するフレームワークである。
最先端の物理センサーの精度を達成し、以前は考えられていなかった情報的なセンサー配置を発見する。
論文 参考訳（メタデータ） (2025-05-19T14:59:11Z) - Accurate Modeling of Directional Couplers with Oxide Cladding: Bridging Simulation and Experiment [0.6282171844772422]
シミュレーションと測定の相違が頻繁に観測される。
本研究は,酸化クラッドの密度変化が主な原因であることを示す。
特徴ギャップが小さくなるにつれて,クラッド密度の変動が性能に与える影響が判明した。
論文 参考訳（メタデータ） (2025-02-04T17:33:30Z) - Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
蛍光ライフタイムイメージング(FLI)は、組織微小環境に関するユニークな情報を提供する。
近年のディープラーニングの進歩により、蛍光寿命パラメーターの推定が改善されている。
本稿では,実験的な光子時間ヒストグラムとともに,計装応答関数(IRF)を付加入力として統合した新しいDLアーキテクチャであるMFliNetを提案する。
論文 参考訳（メタデータ） (2024-11-25T20:03:41Z) - Scintillation pulse characterization with spectrum-inspired temporal neural networks: case studies on particle detector signals [1.124958340749622]
本稿では,時系列解析に関するこれまでの研究に基づいて,シンチレーションパルスのキャラクタリゼーションに特化したネットワークアーキテクチャを提案する。
a)LUXダークマター検出器の設定によって生成されたシミュレーションデータと,(b)高速電子回路を用いた実験電気信号を用いて,NICA/MPD温度計のシンチレーション変動をエミュレートする。
論文 参考訳（メタデータ） (2024-10-09T02:44:53Z) - Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳（メタデータ） (2024-07-26T10:29:16Z) - Deep Generative Models for Detector Signature Simulation: A Taxonomic Review [0.0]
粒子物理学検出器からの信号は衝突の物理を符号化する低レベル物体(エネルギー沈降や軌道など)である。
検出器におけるそれらの完全なシミュレーションは、計算と記憶集約的なタスクである。
我々は,検出器シグネチャのシミュレーションについて,既存の文献の包括的かつ徹底的な分類学的レビューを行う。
論文 参考訳（メタデータ） (2023-12-15T08:27:39Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - DIB-R++: Learning to Predict Lighting and Material with a Hybrid
Differentiable Renderer [78.91753256634453]
そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。
そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。
より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
論文 参考訳（メタデータ） (2021-10-30T01:59:39Z) - Using Machine Learning to Speed Up and Improve Calorimeter R&D [0.7106986689736827]
物理性能の評価を遅くする2つの典型的な問題は、特にカロリー検出器技術や構成に対するアプローチである。
本稿では,検出器開発および最適化サイクルの精度向上と高速化を目的とした,高度な機械学習技術の利用について論じる。
論文 参考訳（メタデータ） (2020-03-27T14:44:46Z)
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。