論文の概要: Closed-loop discovery of out-of-distribution processing protocols by evolutionary search and uncertainty-aware learning

• arxiv url: http://arxiv.org/abs/2606.13859v1
• Date: Thu, 11 Jun 2026 19:36:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.611412
• Title: Closed-loop discovery of out-of-distribution processing protocols by evolutionary search and uncertainty-aware learning
• Title（参考訳）: 進化的探索と不確実性学習による流通外処理プロトコルの閉ループ発見
• Authors: Yu Liu, Stanislav Udovenko, Ching-Che Lin, Jaegyu Kim, Lane W. Martin, Susan Trolier-McKinstry, Sergei V. Kalinin,
• Abstract要約: 本稿では,候補プロトコルの生成,ランク付け,検証を行うクローズドループワークフローを提案する。 強誘電体薄膜に対して、走査プローブ先端バイアス波形をプロトコルとし、非線形電気機械応答を報酬として適用し、このワークフローは、フィルムを劣化させることにより非線形性を高める波形族を検出する。
• 参考スコア（独自算出の注目度）: 2.825134317927961
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Many materials and chemical systems exhibit history-dependent responses, where functional outcomes are governed not only by final-state variables but by the time-dependent sequence of fields, temperatures, or chemical potentials applied during operation. Discovering new processing protocols is therefore a high-dimensional search problem in which the control variable is an entire waveform or sample history, and conventional strategies either remain confined to conservative interpolative families or become prohibitively measurement intensive. Here, a closed-loop workflow is introduced that couples evolutionary search over a compact waveform representation with uncertainty-aware deep kernel learning to generate, rank, and experimentally validate candidate protocols. Applied to ferroelectric thin films, with the scanning-probe tip-bias waveform as the protocol and the nonlinear electromechanical response as the reward, the workflow discovers waveform families that enhance nonlinearity by de-aging the film. Spatially resolved before/after measurements show that the best-performing waveforms selectively activate pre-existing, weakly pinned domain-wall segments, whereas the worst drive long-range irreversible switching. This framework reframes protocol tuning as out-of-distribution discovery, generalizable to synthesis and annealing trajectories, battery formation protocols, and other high-dimensional control problems.
• Abstract（参考訳）: 多くの材料や化学系は履歴に依存した反応を示しており、機能的な結果は最終状態変数だけでなく、操作中に適用される分野、温度、化学ポテンシャルの時間依存的なシーケンスによって制御される。 したがって、新しい処理プロトコルの発見は、制御変数が全体の波形またはサンプル履歴であり、従来の戦略は保守的な補間系に限られるか、あるいは厳密な測定を行うような高次元の探索問題である。 ここでは、クローズドループワークフローを導入し、不確実性を認識したディープカーネル学習とコンパクトな波形表現を結合して、候補プロトコルを生成し、ランク付けし、実験的に検証する。 強誘電体薄膜に対して、走査プローブ先端バイアス波形をプロトコルとし、非線形電気機械応答を報酬として適用し、このワークフローは、フィルムを劣化させることにより非線形性を高める波形族を検出する。 空間的に解決された前/後の測定では、最も優れた波形は、既存の弱い固定されたドメインウォールセグメントを選択的に活性化する一方、最悪のものは長距離の不可逆スイッチングを駆動する。 このフレームワークは、プロトコルチューニングをアウト・オブ・ディストリビューション発見として再編成し、合成およびアニーリング軌道、バッテリ生成プロトコル、その他高次元制御問題に一般化する。

関連論文リスト

• Ansatz-Free Learning of Lindbladian Dynamics In Situ [2.380854690607918]
  先行構造や局所性を仮定することなく,スパークスなリンドブラディアンを学習するための,最初のサンプル効率のよいプロトコルを提案する。 本プロトコルはアンシラフリーであり, 製品状態とパウリ基底測定のみを使用し, ほぼ最適時間分解能を実現する。
  論文  参考訳（メタデータ） (2026-03-05T18:57:25Z)
• Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
  神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。 近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。 この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
  論文  参考訳（メタデータ） (2024-05-23T16:30:51Z)
• Quantum state engineering by steering in the presence of errors [1.2642388972233845]
  計測に基づく状態工学プロトコルのクラスについて検討する。 このプロトコルは, システム-検出器結合パラメータの誤った選択に対して, 完全に堅牢であることを示す。 また、古典的な期待値と、乗法的白色雑音を持つハミルトン指数の時間順序作用素との可換性を示す。
  論文  参考訳（メタデータ） (2023-03-28T22:07:52Z)
• Stochastic Optimal Control for Collective Variable Free Sampling of Molecular Transition Paths [60.254555533113674]
  分子系の2つの準安定状態間の遷移経路をサンプリングする問題を考察する。 本稿では,その遷移をサンプリングする機械学習手法を提案する。
  論文  参考訳（メタデータ） (2022-06-27T14:01:06Z)
• Composably secure data processing for Gaussian-modulated continuous variable quantum key distribution [58.720142291102135]
  連続可変量子鍵分布(QKD)は、ボソニックモードの二次構造を用いて、2つのリモートパーティ間の秘密鍵を確立する。 構成可能な有限サイズセキュリティの一般的な設定におけるホモダイン検出プロトコルについて検討する。 特に、ハイレート(非バイナリ)の低密度パリティチェックコードを使用する必要のあるハイシグネチャ・ツー・ノイズ・システマを解析する。
  論文  参考訳（メタデータ） (2021-03-30T18:02:55Z)
• Unsupervised machine learning of topological phase transitions from experimental data [52.77024349608834]
  超低温原子からの実験データに教師なし機械学習技術を適用する。 我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。 我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2021-01-14T16:38:21Z)

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。