論文の概要: Neuromorphic Continual Learning for Sequential Deployment of Nuclear Plant Monitoring Systems

• arxiv url: http://arxiv.org/abs/2604.18611v1
• Date: Mon, 13 Apr 2026 21:25:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.353896
• Title: Neuromorphic Continual Learning for Sequential Deployment of Nuclear Plant Monitoring Systems
• Title（参考訳）: 原子力プラントモニタリングシステムの逐次展開のためのニューロモルフィック連続学習
• Authors: Samrendra Roy, Sajedul Talukder, Syed Bahauddin Alam,
• Abstract要約: 核ICSのための連続学習を用いた最初のスパイクニューラルネットワーク(SNN)を用いた異常検出システムを提案する。 我々は,連続的な微調整,弾性重み強化(EWC),シナプスインテリジェンス(SI),体験リプレイ,ハイブリッドEWC+リプレイの5つの継続的学習戦略を評価する。 ハイブリッドEWC+Replay法は平均F1スコアが0.979であり, ほぼゼロ平均を忘れる。
• 参考スコア（独自算出の注目度）: 1.2744523252873352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anomaly detection in nuclear industrial control systems (ICS) requires continuous, energy-efficient monitoring across multiple subsystems that are often deployed at different stages of plant commissioning. When a conventional neural network is sequentially trained to monitor new subsystems, it catastrophically forgets previously learned anomaly patterns, a safety-critical failure mode. We present the first spiking neural network (SNN)-based anomaly detection system with continual learning for nuclear ICS, addressing both challenges simultaneously. Our approach introduces spike-encoded asynchronous sensor fusion, a delta-based encoding that converts heterogeneous sensor streams into sparse spike trains at rates dictated by each sensor's natural dynamics, achieving 92.7% input sparsity. We evaluate five continual learning strategies, including sequential fine-tuning, Elastic Weight Consolidation (EWC), Synaptic Intelligence (SI), experience replay, and a hybrid EWC+Replay approach, on the HAI 21.03 nuclear ICS security dataset across three sequentially deployed subsystems (boiler, turbine, water treatment). The hybrid EWC+Replay method achieves an average F1 score of 0.979 with near-zero average forgetting (AF = 0.000 single seed; 0.035 +/- 0.039 across three seeds), while requiring 12.6x fewer operations (an estimated 2.5x in energy based on published hardware specifications) than an equivalent artificial neural network. The system detects all tested attacks with a mean latency of 0.6 seconds. These results demonstrate that neuromorphic computing offers a viable path toward always-on, energy-efficient, and adaptable safety monitoring for next-generation nuclear facilities.
• Abstract（参考訳）: 原子力産業制御システム(ICS)における異常検出には、複数のサブシステムにまたがる連続したエネルギー効率の監視が必要である。 従来のニューラルネットワークが、新しいサブシステムを監視するために順次トレーニングされた場合、それは、これまで学んだ異常パターン、すなわち安全クリティカルな障害モードを破滅的に忘れてしまう。 本稿では,核ICSのための連続学習を用いた最初のスパイクニューラルネットワーク(SNN)を用いた異常検出システムについて述べる。 提案手法では,非均一なセンサストリームを,各センサの自然なダイナミクスによって予測される速度でスパーススパイクトレインに変換し,92.7%の入力間隔を実現するデルタ型非同期センサフュージョンを導入する。 我々は,HAI 21.03核ICSセキュリティデータセット上で,逐次的微調整,弾性重み統合(EWC),シナプスインテリジェンス(SI),経験再現,ハイブリッドEWC+リプレイアプローチを含む5つの連続学習戦略を評価した。 ハイブリッドEWC+リプレイ法は、平均F1スコアが0.979で平均ゼロに近い(AF = 0.000 シングルシード、0.035 +/- 0.039を3つのシードで含む)が、同等の人工ニューラルネットワークよりも12.6倍少ない演算(ハードウェア仕様に基づいて推定2.5倍のエネルギー)を必要とする。 このシステムは平均遅延0.6秒で全てのテストされた攻撃を検出する。 これらの結果は、ニューロモルフィックコンピューティングが、次世代の原子力施設に対して、常にオンでエネルギー効率が高く、適応可能な安全監視に向けて実行可能な経路を提供することを示している。

関連論文リスト

• Gradient-Free Continual Learning in Spiking Neural Networks via Inter-Spike Interval Regularization [4.190153363488523]
  ニューラルネットワークの動的現実環境へのデプロイには,継続的な学習が不可欠だ。 我々は,SNN連続学習のための最初の勾配なしシナプス重要度指標であるISI-CVを提案する。 スプリット-MNIST, Permuted-MNIST, Split-FashionMNIST, およびスプリット-N-MNIST の4つのベンチマークを実ダイナミックビジョンセンサ(DVS)データを用いて評価した。
  論文  参考訳（メタデータ） (2026-04-14T03:16:26Z)
• Graph Neural ODE Digital Twins for Control-Oriented Reactor Thermal-Hydraulic Forecasting Under Partial Observability [6.370970195988317]
  高度原子炉のリアルタイム監視制御には、プラント全体の熱水和状態の正確な予測が必要である。 物理インフォームドメッセージパス型微分ニューラルネットワークとニューラル正規方程式(GNN-ODE)を提案する。 GNN-ODEサロゲートはシステムダイナミクス予測に満足な結果が得られる。
  論文  参考訳（メタデータ） (2026-04-08T16:58:14Z)
• AEGIS: Adversarial Entropy-Guided Immune System -- Thermodynamic State Space Models for Zero-Day Network Evasion Detection [0.0]
  AEGIS (Adversarial Entropy-Guided Immune System) は、熱力学的変動誘導型双曲型液体状態モデルを用いた対向型エントロピー誘導免疫システムである。 ゼロコピーIPCを持つ純粋なC++ eBPF HarvesterはPython GILをバイパスし、線形時間O(N) Mamba-3コアで64,000パケットのスワムをラインレートで処理できる。
  論文  参考訳（メタデータ） (2026-04-02T15:16:56Z)
• Decentralized Multi-Agent Swarms for Autonomous Grid Security in Industrial IoT: A Consensus-based Approach [0.0]
  DMASエージェントは軽量なピアツーピアプロトコルを介して通信し、異常な振る舞いを協調的に検出する。 エージェントは特定された脅威の脅威レベルに投票し、妥協されたノードやノードの即時隔離を可能にする。 DMASは、ミリ秒以下の応答時間、高負荷下で悪意のある活動を検出する精度97.3%、ゼロデイ攻撃を検出する精度87%を示した。
  論文  参考訳（メタデータ） (2026-01-24T04:25:36Z)
• Efficient Memristive Spiking Neural Networks Architecture with Supervised In-Situ STDP Method [0.0]
  時間的スパイクエンコーディングを備えたメムリスタベースのスパイキングニューラルネットワーク(SNN)は、超低エネルギー計算を可能にする。 本稿では,新しい教師付きin-situ学習アルゴリズムを用いて学習した回路レベルのメムリシブスパイクニューラルネットワーク(SNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:09:48Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)
• REST: Robust and Efficient Neural Networks for Sleep Monitoring in the Wild [62.36144064259933]
  ニューラルネットワークの逆トレーニングとLipschitz定数の制御を通じて、両問題に同時に対処する新しい方法であるRESTを提案する。 私たちは、RESTがノイズの存在下で、オリジナルのフルサイズのモデルを大幅に上回る、ロバストで効率的なモデルを生成することを実証しています。 これらのモデルをスマートフォン上のAndroidアプリケーションにデプロイすることにより、RESTによってモデルが最大17倍のエネルギー削減と9倍高速な推論を達成することができることを定量的に観察する。
  論文  参考訳（メタデータ） (2020-01-29T17:23:16Z)

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。