論文の概要: Adaptable phase retrieval for coherent transition radiation spectroscopy based on differentiable physics information
- arxiv url: http://arxiv.org/abs/2604.25489v1
- Date: Tue, 28 Apr 2026 10:45:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.825543
- Title: Adaptable phase retrieval for coherent transition radiation spectroscopy based on differentiable physics information
- Title（参考訳）: 微分可能物理情報に基づくコヒーレント遷移放射分光の適応位相探索
- Authors: Ritz Ann Aguilar, Maxwell LaBerge, Andreas Doepp, Alexander Debus, Zewu Bi, Michael Bussmann, Arie Irman, Ulrich Schramm, Jeffrey Kelling,
- Abstract要約: 我々は,CTR位相検索のためのフレキシブルな勾配に基づくフレームワークを提案する。
微分可能フォワードモデルを利用することで、位相のみの勾配降下(GD-Phase)アプローチを提案する。
従来の方法とは異なり、この定式化は任意の微分可能な実験効果を復元ループにシームレスに組み込むことを可能にする。
- 参考スコア（独自算出の注目度）: 31.458406135473805
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coherent transition radiation (CTR) spectroscopy is a critical diagnostic for characterizing the longitudinal structure of relativistic electron bunches in laser-plasma and conventional accelerators. In practice, recovering the bunch profile from a measured CTR spectrum is an ill-posed phase-retrieval problem. Traditionally, this is addressed using Gerchberg-Saxton (GS)-type iterative algorithms. However, these implementations often rely on explicit inverse propagators, making them difficult to adapt to sophisticated experimental forward models. In this work, we introduce a flexible gradient-based framework for CTR phase retrieval. By leveraging a differentiable forward model, we propose a phase-only gradient descent (GD-Phase) approach that enforces the measured spectral amplitude as a hard constraint while optimizing the Fourier phase under physical real-space priors. Using synthetic CTR spectra spanning multi-peaked and strongly modulated profiles, we benchmark GD-Phase against traditional GS and a real-space amplitude-parametrized gradient descent (GD-Amp) algorithm. Unlike traditional methods, this formulation allows for the seamless inclusion of arbitrary differentiable experimental effects into the reconstruction loop. We demonstrate that this physics-informed approach not only reproduces the fidelity of GS methods but also establishes a robust baseline for incorporating multi-diagnostic constraints and uncertainty quantification. This enables the systematic extension to higher-dimensional, multimodal, and uncertainty-aware diagnostics, facilitating fast and scalable phase retrieval in realistic experimental settings.
- Abstract（参考訳）: コヒーレント遷移放射分光法は、レーザープラズマおよび従来の加速器における相対論的電子束の長手構造を特徴づける重要な診断法である。
実際には、測定されたCTRスペクトルから束プロファイルを復元することは、不適切な位相検索問題である。
伝統的に、これはGerchberg-Saxton (GS) 型反復アルゴリズムを用いて対処される。
しかしながら、これらの実装はしばしば明示的な逆プロパゲータに依存しており、洗練された実験的前方モデルへの適応が困難である。
本研究では,CTR位相探索のためのフレキシブルな勾配に基づくフレームワークを提案する。
微分可能フォワードモデルを用いて,実空間前のフーリエ位相を最適化しつつ,測定されたスペクトル振幅をハード制約として強制する位相のみ勾配降下(GD-Phase)アプローチを提案する。
マルチピークおよび強く変調されたプロファイルにまたがる合成CTRスペクトルを用いて、GD-Phaseを従来のGSと実空間振幅パラメタライズド勾配降下(GD-Amp)アルゴリズムと比較した。
従来の方法とは異なり、この定式化は任意の微分可能な実験効果を復元ループにシームレスに組み込むことを可能にする。
この物理インフォームドアプローチは、GS法の忠実度を再現するだけでなく、多変量制約と不確実性定量化を組み込むための堅牢なベースラインを確立することを実証する。
これにより、高次元、マルチモーダル、不確実性を認識した診断への体系的な拡張が可能となり、現実的な実験環境での高速でスケーラブルな位相検索が容易になる。
関連論文リスト
- Physics-Aligned Spectral Mamba: Decoupling Semantics and Dynamics for Few-Shot Hyperspectral Target Detection [14.607792636586067]
SpecMambaは、安定したセマンティック表現とアジャイルのスペクトル適応を分離するフレームワークである。
検出精度とクロスドメインの一般化において、最先端の手法を一貫して上回る。
論文 参考訳（メタデータ） (2026-04-07T08:04:18Z) - Spectral Gradient Descent Mitigates Anisotropy-Driven Misalignment: A Case Study in Phase Retrieval [13.218607858857295]
スペクトル勾配法は、スケールを捨てながら方向情報を保存することによって勾配の更新を変更する。
非線形位相探索モデルの動的解析により,これらの利得のメカニズムを解明する。
論文 参考訳（メタデータ） (2026-01-30T07:12:58Z) - Uncertainty Quantification in HSI Reconstruction using Physics-Aware Diffusion Priors and Optics-Encoded Measurements [12.90606332269204]
ベイズ推論問題として高スペクトル像(HSI)再構成を定式化する。
我々は,非条件で訓練された画素レベルの拡散と後方拡散サンプリングを利用するHSDiffというフレームワークを提案する。
我々は,HSDiffが不確実性を考慮したHSI再建のための完全かつ高性能な手法であることを実証した。
論文 参考訳（メタデータ） (2025-11-23T14:43:51Z) - Spectral Super-Resolution Neural Operator with Atmospheric Radiative Transfer Prior [28.251877082351744]
スペクトル超解像(SSR)は、マルチスペクトル観測から超スペクトル像(HSI)を再構成することを目的としている。
データ駆動方式は広く使われているが、しばしば物理的原理を見落とし、非現実的なスペクトルを生み出す。
本研究では,大気放射移動(ART)をデータ駆動方式に組み込んだ分光超解像ニューラル演算子(SSRNO)を提案する。
論文 参考訳（メタデータ） (2025-11-22T02:58:03Z) - Generalizable Holographic Reconstruction via Amplitude-Only Diffusion Priors [48.96607421052462]
インラインホログラフィーにおける位相検索は、コヒーレントイメージングにおける振幅と位相の非線形結合に起因する基本的な不適切な逆問題である。
本稿では,物体振幅のみを訓練した拡散モデルを用いて,回折強度から振幅と位相の両方を復元する手法を提案する。
論文 参考訳（メタデータ） (2025-09-16T06:36:08Z) - Self-supervised physics-informed generative networks for phase retrieval from a single X-ray hologram [0.4221292142376107]
フレネル理論の近場状態における位相探索の逆問題に対する自己学習手法を提案する。
位相探索のための多くの深層学習アプローチとは異なり、我々の手法はペアリング、アンペアリング、シミュレートされたトレーニングデータを必要としない。
論文 参考訳（メタデータ） (2025-08-21T13:06:06Z) - A New Formulation of Lipschitz Constrained With Functional Gradient Learning for GANs [52.55025869932486]
本稿では,大規模データセット上でGAN(Generative Adversarial Networks)のトレーニングを行うための有望な代替手法を提案する。
本稿では,GANの学習を安定させるために,Lipschitz-Constrained Functional Gradient GANs Learning (Li-CFG)法を提案する。
判別器勾配のノルムを増大させることにより、潜在ベクトルの近傍サイズを小さくすることができることを示す。
論文 参考訳（メタデータ） (2025-01-20T02:48:07Z) - Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space [54.13671100638092]
Holistic Physics Mixer (HPM) は、スペクトルと物理情報を統一された空間に統合するためのフレームワークである。
我々はHPMが精度と計算効率の両面で最先端の手法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2024-10-15T08:19:39Z) - Digital noise spectroscopy with a quantum sensor [57.53000001488777]
本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。
ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。
ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
論文 参考訳（メタデータ） (2022-12-19T02:19:35Z) - 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)
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。