論文の概要: Quality-Controlled Active Learning via Gaussian Processes for Robust Structure-Property Learning in Autonomous Microscopy

• arxiv url: http://arxiv.org/abs/2603.29135v1
• Date: Tue, 31 Mar 2026 01:35:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.989326
• Title: Quality-Controlled Active Learning via Gaussian Processes for Robust Structure-Property Learning in Autonomous Microscopy
• Title（参考訳）: 自律顕微鏡におけるロバスト構造学習のためのガウス過程による品質制御型能動学習
• Authors: Jawad Chowdhury, Ganesh Narasimha, Jan-Chi Yang, Yongtao Liu, Rama Vasudevan,
• Abstract要約: 本稿では,好奇心駆動型サンプリングと物理インフォームド品質制御フィルタを組み合わせたゲート型能動学習フレームワークを提案する。 提案手法は, ランダムサンプリング, 標準能動学習, マルチタスク学習戦略よりも優れていることを示す。 この研究は、物理学にインフォームドされた品質評価と、より信頼性の高い発見のために積極的な意思決定作業を行う、自動運転ラボにおけるハイブリッドな自律性へのシフトをサポートする。
• 参考スコア（独自算出の注目度）: 0.8998318101090189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous experimental systems are increasingly used in materials research to accelerate scientific discovery, but their performance is often limited by low-quality, noisy data. This issue is especially problematic in data-intensive structure-property learning tasks such as Image-to-Spectrum (Im2Spec) and Spectrum-to-Image (Spec2Im) translations, where standard active learning strategies can mistakenly prioritize poor-quality measurements. We introduce a gated active learning framework that combines curiosity-driven sampling with a physics-informed quality control filter based on the Simple Harmonic Oscillator model fits, allowing the system to automatically exclude low-fidelity data during acquisition. Evaluations on a pre-acquired dataset of band-excitation piezoresponse spectroscopy (BEPS) data from PbTiO3 thin films with spatially localized noise show that the proposed method outperforms random sampling, standard active learning, and multitask learning strategies. The gated approach enhances both Im2Spec and Spec2Im by handling noise during training and acquisition, leading to more reliable forward and inverse predictions. In contrast, standard active learners often misinterpret noise as uncertainty and end up acquiring bad samples that hurt performance. Given its promising applicability, we further deployed the framework in real-time experiments on BiFeO3 thin films, demonstrating its effectiveness in real autonomous microscopy experiments. Overall, this work supports a shift toward hybrid autonomy in self-driving labs, where physics-informed quality assessment and active decision-making work hand-in-hand for more reliable discovery.
• Abstract（参考訳）: 自律的な実験システムは、科学的な発見を加速するために材料研究でますます使われているが、その性能は低品質でノイズの多いデータによって制限されることが多い。 この問題は、画像からスペクトルへの変換(Im2Spec)やスペクトルから画像への変換(Spec2Im)といった、データ集約的な構造的適合性学習タスクにおいて特に問題となる。 我々は,好奇心駆動型サンプリングと単純な高調波オシレータモデルに基づく物理インフォームド品質制御フィルタを組み合わせたゲート型能動学習フレームワークを導入し,取得中の低忠実度データを自動排除する。 空間局所雑音を用いたPbTiO3薄膜のバンド励起圧電分光(BEPS)データの事前取得データセットの評価により,提案手法がランダムサンプリング,標準能動学習,マルチタスク学習戦略より優れていることが示された。 ゲートされたアプローチは、トレーニングと取得中にノイズを処理することで、Im2SpecとSpec2Imの両方を強化する。 対照的に、標準的な能動的学習者はノイズを不確実性と誤解し、パフォーマンスを損なう悪いサンプルを取得する。 有望な適用性を考えると,BiFeO3薄膜上でのリアルタイム実験において,このフレームワークをさらに展開し,実自律顕微鏡実験においてその有効性を実証した。 全体として、この研究は、物理学にインフォームドされた品質評価と、より信頼性の高い発見のために積極的な意思決定作業を行う、自動運転ラボにおけるハイブリッドな自律性へのシフトを支持している。

関連論文リスト

• Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data [57.85958428020496]
  Flow-Guided Neural Operator (FGNO)は、演算子学習とフローマッチングを組み合わせた新しいフレームワークである。 FGNOは、短時間フーリエ変換を用いて関数空間のマッピングを学習し、異なる時間分解能を統一する。 推論中にノイズのある入力を使用する以前の生成SSL法とは異なり、ノイズのある表現を学習しながら、クリーンな入力を用いて表現抽出を行う。
  論文  参考訳（メタデータ） (2026-02-12T18:54:57Z)
• Exploring the Frontiers of kNN Noisy Feature Detection and Recovery for Self-Driving Labs [0.49478969093606673]
  本研究では,ノイズのある特徴を自動で検出し,修正可能なサンプル・フィーチャー・ペアリングを判定し,最終的に適切な特徴値を復元するワークフローを開発する。 次に, データセットのサイズ, 雑音強度, 特徴値分布が, ノイズの特徴の検出可能性および回復可能性に与える影響について, 系統的研究を行った。
  論文  参考訳（メタデータ） (2025-07-15T03:35:56Z)
• State Estimation Using Particle Filtering in Adaptive Machine Learning Methods: Integrating Q-Learning and NEAT Algorithms with Noisy Radar Measurements [0.8528368686417979]
  本稿では,Q-LearningとNEATを統合化して,ノイズ測定の課題に対処する統合フレームワークを提案する。 グリッドベースのナビゲーションとシミュレートされた自動車環境の実験は、トレーニングの安定性、最終的なパフォーマンス、高度なフィルタリングを欠いたベースラインに対する成功率において、一貫した向上を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-04-10T02:20:45Z)
• Transfer Learning and the Early Estimation of Single-Photon Source Quality using Machine Learning Methods [7.687215328455751]
  単一光子源(SPS)は多くのシステムやデバイスの中心であり、現代の量子技術の急増の中で提案されている。 しかし、製造計画が不完全であり、単一光子放射純度はインターフェロメトリーによって実験的に検証されなければならない。 本研究では,不完全排出統計からSPS品質をより高速に推定できるかどうかを検討する。
  論文  参考訳（メタデータ） (2024-08-21T04:10:38Z)
• Impact of Noisy Supervision in Foundation Model Learning [91.56591923244943]
  本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。 雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:22:41Z)
• TESSERACT: Eliminating Experimental Bias in Malware Classification across Space and Time (Extended Version) [17.397081564454293]
  マルウェア検知器は、常に進化するオペレーティングシステムや攻撃方法によって、しばしば性能劣化を経験する。 本論文は, 検出作業における2つの実験バイアス源により, 一般的に報告される結果が膨らんでいることを論じる。
  論文  参考訳（メタデータ） (2024-02-02T12:27:32Z)
• Semi-Supervised Class-Agnostic Motion Prediction with Pseudo Label Regeneration and BEVMix [59.55173022987071]
  クラス非依存動作予測のための半教師あり学習の可能性について検討する。 我々のフレームワークは一貫性に基づく自己学習パラダイムを採用しており、ラベルのないデータからモデルを学習することができる。 本手法は,弱さと完全教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2023-12-13T09:32:50Z)

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。