論文の概要: Autonomous Reliability Qualification of Ga$_2$O$_3$-based Hydrogen and Temperature Sensors via Safe Active Learning

• arxiv url: http://arxiv.org/abs/2605.00868v2
• Date: Tue, 05 May 2026 17:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 06:56:26.479183
• Title: Autonomous Reliability Qualification of Ga$_2$O$_3$-based Hydrogen and Temperature Sensors via Safe Active Learning
• Title（参考訳）: 安全な能動学習によるGa$_2$O$_3$ベース水素・温度センサの自律的信頼性評価
• Authors: Davi Febba, William A. Callahan, Anna Sacchi, Andriy Zakutayev,
• Abstract要約: 本稿では,Ga$O$_3$ベースのデバイスを熱応力と水素応力を結合した状態で修正する際の自律的信頼性評価のためのセーフアクティブラーニング(SAL)フレームワークを提案する。 SALは、整流をデバイス物理学に動機づけられた安全観測可能性として扱い、経過時間、温度、およびH$$濃度の進化をモデル化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a Safe Active Learning (SAL) framework for autonomous reliability characterization of rectifying Ga$_2$O$_3$-based devices under coupled thermal and hydrogen stress. SAL treats rectification as a device-physics-motivated safety observable and models its evolution over elapsed time, temperature, and H$_2$ concentration using a Gaussian-process surrogate. To handle condition-dependent and uncertain experiment durations, the method combines an adaptive completion-time window, time-window lower-confidence-bound safety checks, a trust region anchored to previously verified safe conditions, and a two-phase strategy that transitions from conservative safe exploration to progressively relaxed rectification targets as the device degrades. We first evaluate SAL in simulation, where it safely expands the explored region while learning the evolving rectification surface. We then demonstrate SAL experimentally on an automated high-temperature probe-station platform using a Pt/Cr$_2$O$_3$:Mg/$β$-Ga$_2$O$_3$ device. In the reported campaign, phase 1 incurred only one unsafe measurement associated with spurious current-voltage sweeps, while phase 2 intentionally probed lower-rectification regimes. Finally, we use the curated SAL dataset for offline long-horizon forecasting of device response at a target voltage using a structured Gaussian-process model with a condition-dependent Kohlrausch--Williams--Watts mean and a residual covariance kernel. The model captures long-time, saturating degradation trends in an auxiliary validation dataset, illustrating how safety-aware autonomous experimentation enables both conservative characterization and subsequent degradation modeling. Although demonstrated here for a rectifying Ga$_2$O$_3$ device, SAL is applicable to other systems where a measurable in situ safety observable can be defined.
• Abstract（参考訳）: 本稿では,Ga$2$O$_3$ベースのデバイスを熱応力と水素応力を結合した状態で整流する際の自律的信頼性評価のためのセーフアクティブラーニング(SAL)フレームワークを提案する。 SALは整流をデバイス物理に動機づけられた安全観測として扱い、その進化をガウス過程のサロゲートを用いて経過時間、温度、H$2$の濃度でモデル化する。 条件依存かつ不確実な実験期間を処理するために、適応完了時刻ウィンドウ、時間ウインドウ低信頼度チェック、予め確認された安全条件に固定された信頼領域、および、保守的な安全な探索から、装置が劣化するにつれて徐々に緩和された修正目標へ移行する2段階戦略を組み合わせる。 我々はまずSALをシミュレーションで評価し、そこで探索領域を安全に拡張し、進化する整流面を学習した。 次に、Pt/Cr$_2$O$_3$:Mg/$β$-Ga$_2$O$_3$デバイスを用いて、SALを実験的に高速プローブステーションプラットフォーム上で実証する。 報告されたキャンペーンでは、第1相は急激な電流電圧の掃流に関連する1つの安全でない測定のみを発生させ、第2相は意図的に低い補正体制を調査した。 最後に,条件依存型Kohlrausch--Williams-Watts平均と残留共分散カーネルを用いた構造化ガウス過程モデルを用いて,目標電圧におけるデバイス応答のオフライン長水平予測を行う。 このモデルは、安全を意識した自律的な実験が、保守的な特徴付けとその後の劣化モデリングの両方を可能にするかを説明することで、補助的検証データセットにおける長期的、飽和的な劣化傾向を捉えている。 ここではGa$_2$O$_3$の正当性を示すが、SALは測定可能なin situセーフティオブザーバを定義できる他のシステムに適用できる。

関連論文リスト

• Adversarial Vulnerabilities in Neural Operator Digital Twins: Gradient-Free Attacks on Nuclear Thermal-Hydraulic Surrogates [4.190153363488523]
  運用者学習モデルは、原子力とエネルギーシステムのためのデジタルツインの予測コアとして浮上している。 神経オペレーターは、境界条件に対する感受性を生かした極端にスパースな摂動に対して非常に脆弱であることを示す。 本研究は,演算子学習モデルにおいてこれまで見過ごされていた攻撃面を明らかにし,これらのモデルが標準検証以上の保証を必要とすることを確かめるものである。
  論文  参考訳（メタデータ） (2026-03-23T19:35:17Z)
• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• Temperature Scaling Attack Disrupting Model Confidence in Federated Learning [4.863985119779627]
  精度を保ちながらキャリブレーションを低下させる訓練時間攻撃である温度スケーリング攻撃(TSA)を提案する。 その結果, 校正整合性は, 連合学習における重要な攻撃面として確立された。
  論文  参考訳（メタデータ） (2026-02-06T12:01:54Z)
• A Conditional Diffusion Model for Probabilistic Prediction of Battery Capacity Degradation [0.0]
  本稿では,この課題に対処するために,機能工学とディープラーニングを統合したDiffusion U-Net with Attention (CDUA)と呼ばれる新しい手法を提案する。 提案手法では,時系列予測に拡散に基づく生成モデルを用い,注意機構を取り入れて予測性能を向上させる。 実世界の車両データに対する実験的検証により、提案したCDUAモデルは相対平均絶対誤差(MAE)が0.94%、相対平均正方形誤差(RMSE)が1.14%、相対幅が3.74%であることを示す。
  論文  参考訳（メタデータ） (2025-10-20T10:56:28Z)
• Towards Adversarial Robustness and Uncertainty Quantification in DINOv2-based Few-Shot Anomaly Detection [6.288045889067255]
  DINOv2のような基礎モデルは、数発の異常検出において強い性能を示している。 本研究は, 敵攻撃と不確実性評価に関する最初の体系的研究である。 生の異常スコアは校正が不十分で、信頼性と正しさのギャップが明らかになり、安全クリティカルな使用が制限されることがわかりました。
  論文  参考訳（メタデータ） (2025-10-15T15:06:45Z)
• Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
  既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。 我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。 FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
  論文  参考訳（メタデータ） (2024-08-13T04:33:23Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
  既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。 これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。 我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-10T23:28:36Z)
• Localization Uncertainty Estimation for Anchor-Free Object Detection [48.931731695431374]
  アンカーベース物体検出のための既存の不確実性推定手法にはいくつかの制限がある。 アンカーフリー物体検出のためのUADと呼ばれる新しい位置推定不確実性推定手法を提案する。 本手法は,ボックスオフセットの4方向の不確かさを均一に捉え,どの方向が不確実であるかを判断する。
  論文  参考訳（メタデータ） (2020-06-28T13:49:30Z)

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。