論文の概要: Physics-Guided Concentration Inference from Resistance Transients in a Mixed-Phase SnO-SnO$_2$ Carbon Monoxide Sensor with p-n Switching
- arxiv url: http://arxiv.org/abs/2605.23971v1
- Date: Wed, 13 May 2026 10:37:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 02:55:42.988632
- Title: Physics-Guided Concentration Inference from Resistance Transients in a Mixed-Phase SnO-SnO$_2$ Carbon Monoxide Sensor with p-n Switching
- Title（参考訳）: p-nスイッチングを用いた混合相SnO-SnO$_2$一酸化炭素センサにおける抵抗極性からの物理誘導濃度推定
- Authors: Sani Biswas, Preetam Singh, Amit Kumar Gangwar,
- Abstract要約: 本研究では, 一酸化炭素濃度推定のための物理誘導型機械学習フレームワークを提案する。
サイクルレベルの過渡応答は物理的に解釈可能な記述子を通して表現される。
特にp型センシングは分類に好適であるのに対し,n型センシングは高忠実度回帰に好適であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work presents a physics-guided machine-learning framework for carbon monoxide concentration inference from experimentally measured resistance transients of a mixed-phase SnO-SnO$_2$ material gas sensor exhibiting temperature-dependent p-n switching behavior. Cycle-level transient responses are represented through physically interpretable descriptors and complemented by compact fast Fourier transform (FFT) and discrete wavelet transform (DWT)-based summaries. Using leakage-aware grouped cross-validation, we study both multi-class concentration classification and continuous concentration regression for the p-type and n-type sensing regimes separately. Across both regimes, fused features provide the strongest overall performance, while the physics-guided descriptor block remains highly competitive, indicating that the dominant concentration information is already encoded in physically meaningful transient dynamics. The p-type branch shows the best concentration-class discrimination, with the fused Random Forest classifier reaching approximately $96.5\%$ accuracy, whereas the n-type branch yields the best quantitative concentration estimation, with the fused Random Forest regressor achieving an MAE$\approx 1.48$ ppm and an R$^2$ $\approx 0.992$. These results reveal a clear dual-regime behavior: p-type sensing is particularly favorable for classification, whereas n-type sensing is more favorable for high-fidelity regression. More broadly, the study demonstrates that leakage-aware, cycle-level, physics-guided machine learning can extend conventional gas-sensing analysis beyond single-response metrics while preserving physical interpretability
- Abstract（参考訳）: 本研究では, 温度依存性p-nスイッチング挙動を示す混合相SnO-SnO$_2材料ガスセンサの抵抗過渡度を実験により測定し, 一酸化炭素濃度推定のための物理誘導機械学習フレームワークを提案する。
サイクルレベルの過渡応答は物理的に解釈可能な記述子を通して表現され、コンパクト高速フーリエ変換(FFT)と離散ウェーブレット変換(DWT)ベースの要約で補完される。
漏れ認識型クロスバリデーションを用いて,p型およびn型検知系に対する多クラス濃度分類と連続濃度回帰の両方を別々に検討した。
両体制全体では、融合した特徴は最も優れた全体的な性能を提供する一方、物理誘導ディスクリプタブロックは競争力が高いままであり、支配的な濃度情報が既に物理的に意味のある過渡的ダイナミクスで符号化されていることを示している。
融合ランダムフォレスト分類器は、約9,6.5\%の精度に達するのに対し、融合ランダムフォレスト回帰器はMAE$\approx 1.48$ ppm、R$^2$$\approx 0.992$である。
p型センシングは特に分類に好適であるが、n型センシングは高忠実度回帰に好適である。
より広範に、この研究は漏れに気付き、サイクルレベル、物理誘導型機械学習が、物理的な解釈性を維持しながら、単一応答のメトリクスを超えて従来のガスセンシング分析を拡張することを実証している。
関連論文リスト
- Diffuse to Detect: Bi-Level Sample Rebalancing with Pseudo-Label Diffusion for Point-Supervised Infrared Small-Target Detection [37.53971188362724]
点監視は、赤外線小ターゲット検出のための高密度アノテーションに対処するスケーラブルなソリューションとなっている。
しかし、その性能は不安定な擬似ラベルの進化と厳密なサンプル分布の不均衡という2つの組み合わせのボトルネックによって制限されている。
単一点ラベルを疑似マスクに拡張する物理誘導型アノテーション戦略を提案する。
論文 参考訳（メタデータ） (2026-05-20T06:08:11Z) - Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。
本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2026-02-26T16:58:43Z) - From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。
OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。
ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-02-20T18:58:43Z) - Harnessing Floquet dynamics for selective metrology in few-qubit systems [0.0]
周期的に駆動される量子システムは、高度に選択的なパラメータフィルタとして機能する。
横フィールドFloquet Isingモデルによって記述された有限サイズの3ビットシステムで,この能力を実証する。
論文 参考訳（メタデータ） (2025-10-30T18:56:24Z) - Scalable Equilibrium Sampling with Sequential Boltzmann Generators [60.00515282300297]
Boltzmannジェネレータフレームワークを2つの重要なコントリビューションで拡張する。
1つ目は、全原子カルテシアン座標で直接動作する非常に効率的なトランスフォーマーベースの正規化フローである。
特に,連続モンテカルロの連続時間変種を用いて,流れサンプルの推論時スケーリングを行う。
論文 参考訳（メタデータ） (2025-02-25T18:59:13Z) - Regularization via f-Divergence: An Application to Multi-Oxide Spectroscopic Analysis [0.9565934024763958]
本稿では,f分割に基づく新しい正規化手法を提案する。
火星のような環境下で収集したスペクトルをキュリオシティ・パーセバランス・ローバーに搭載したリモートセンシング装置を用いて実験を行った。
論文 参考訳（メタデータ） (2025-02-06T03:37:35Z) - Ancilla quantum measurements on interacting chains: Sensitivity of entanglement dynamics to the type and concentration of detectors [46.76612530830571]
我々は、自由度(検出器')に結合した量子多体格子系を考える。
鎖内の密度と絡み合いエントロピーのダイナミクスを、$rho_a$と$M$の様々な値で探求する。
論文 参考訳（メタデータ） (2023-11-21T21:41:11Z) - Information Bottleneck Analysis of Deep Neural Networks via Lossy Compression [37.69303106863453]
Information Bottleneck(IB)原則は、ディープニューラルネットワーク(DNN)のトレーニングプロセスを分析するための情報理論フレームワークを提供する。
本稿では,一般NNのICB解析を行うためのフレームワークを提案する。
また,MI力学の新たな特徴を明らかにするため,実規模に近いISB解析を行う。
論文 参考訳（メタデータ） (2023-05-13T21:44:32Z) - Dynamic properties and the roton mode attenuation in the liquid 3He: an
ab initio study within the self-consistent method of moments [0.0]
均一液体3$Heにおける密度数構造係数と密度変動の固有値について, 新規な非摂動的アプローチを用いて検討した。
ab initio path integral Monte Carlo (PIMC) シミュレーションはシステムの静的特性に関する重要な情報を提供する。
論文 参考訳（メタデータ） (2023-01-24T16:16:08Z) - Diffusion-GAN: Training GANs with Diffusion [135.24433011977874]
GAN(Generative Adversarial Network)は、安定してトレーニングすることが難しい。
フォワード拡散チェーンを利用してインスタンスノイズを生成する新しいGANフレームワークであるDiffusion-GANを提案する。
我々は,Diffusion-GANにより,最先端のGANよりも高い安定性とデータ効率で,よりリアルな画像を生成することができることを示す。
論文 参考訳（メタデータ） (2022-06-05T20:45:01Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳（メタデータ） (2022-03-11T10:47:16Z)
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。