論文の概要: From Closed-Loop Optimization to Open Decision Making: Coupled Digital Twins for Predictive and Autonomous Microscopy
- arxiv url: http://arxiv.org/abs/2607.05758v1
- Date: Tue, 07 Jul 2026 02:31:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.369129
- Title: From Closed-Loop Optimization to Open Decision Making: Coupled Digital Twins for Predictive and Autonomous Microscopy
- Title（参考訳）: クローズドループ最適化からオープン意思決定:予測・自律顕微鏡のための結合型ディジタル双晶
- Abstract要約: サンプルと楽器の双子を分離する結合型デジタルツインフレームワークを提案する。
この枠組みでは、サンプルツインは、事前の知識と測定からその時点まで推定された物質状態を符号化する。
機器ツインは、事前の知識に基づいて信号生成、フィードバックダイナミクス、操作制約をキャプチャする。
- 参考スコア（独自算出の注目度）: 3.1436710947241053
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automated experimentation is moving from closed-loop optimization toward open decision-making, where human or AI planners must forecast the consequences of candidate actions before executing them. Such forecasts require a model of both sides of the experiment: how the sample is likely to respond and what the instrument is likely to detect. We therefore introduce a coupled digital-twin framework that separates these roles and then links them. In this framework, the sample twin encodes material state inferred from prior knowledge and measurements till the moment. The instrument twin captures signal formation, feedback dynamics, and operating constraints based on prior knowledge. When coupled, the two twins estimate expected outcomes, uncertainty, and risk for candidate microscope operations. For amplitude-modulation scanning probe microscopy, we realize this framework with a physics-informed encoder of force-distance curves, a deterministic scanner model of cantilever and feedback dynamics, and sparse learned residual corrections. The encoder first recovers scanner-driving descriptors with sub-nanometer accuracy. The calibrated scanner then reproduces typical traces within a few nanometers and identifies operating-point noise amplification as the main source of mismatch. Supplementary phase analysis localizes residual error to the phase channel, which clarifies where added physics is needed. Together, these results establish coupled sample and instrument twins as a practical foundation for predictive microscope operation and autonomous experimental planning.
- Abstract（参考訳）: 自動実験はクローズドループ最適化からオープンな意思決定へと移行しており、そこでは人間やAIプランナーが実行前に候補アクションの結果を予測する必要がある。
このような予測には、サンプルがどのように反応しそうなか、機器が何を検出するかという、実験の両側のモデルが必要である。
したがって、これらの役割を分離し、それらをリンクする結合デジタルツインフレームワークを導入します。
この枠組みでは、サンプルツインは、事前の知識と測定からその時点まで推定された物質状態を符号化する。
機器ツインは、事前の知識に基づいて信号生成、フィードバックダイナミクス、操作制約をキャプチャする。
結合すると、2人の双子は、望まれる結果、不確実性、および候補顕微鏡操作のリスクを推定する。
振幅変調走査型プローブ顕微鏡では, 力-距離曲線の物理インフォームドエンコーダ, カンチレバーの決定論的スキャナーモデル, フィードバックダイナミクス, スパース学習残差補正を用いて, この枠組みを実現する。
エンコーダはまず、ナノメートル以下の精度でスキャナ駆動ディスクリプタを復元する。
校正されたスキャナーは数ナノメートル以内の典型的な痕跡を再現し、動作点ノイズ増幅をミスマッチの主源と同定する。
補助位相解析は、残差を位相チャネルに局在させ、追加の物理が必要な場所を明らかにする。
これらの結果は、予測顕微鏡操作と自律的な実験計画のための実践的な基礎として、サンプルと機器を結合したツインを確立した。
関連論文リスト
- Forward and Inverse Virtual Metrology for Phototransistor Gain: A Hierarchical, Uncertainty-Aware Approach for Small Production Datasets [0.0]
本研究では,1つのデバイスで13から14のプロセスを実行する,実際の製造履歴に関する問題について検討する。
デバイスゲインのばらつきを分解すると、その約半数がプロセス内ではなくプロセス間にあることが分かります。
目標ゲインのレシピを返却する逆探索である,相対的な不確実性を考慮したフォワードゲイン予測器を提案する。
論文 参考訳（メタデータ） (2026-08-12T09:51:15Z) - Sampling-Horizon Neural Operator Predictors for Nonlinear Control under Delayed Inputs [5.578049844940438]
遅延入力とサンプル測定を併用した非線形システムのための2つのニューラル-演算型予測フィードバック設計法を開発した。
最初の設計では、現在の計測と入力履歴を予測された状態軌跡にマッピングするサンプリング水平予測演算子を導入する。
第2の設計では、ニューラル演算子は遅延補償予測器のみを近似し、測定間の閉ループフローで構成する。
論文 参考訳（メタデータ） (2026-03-31T01:14:34Z) - Synthetic Designed Experiments for Diagnosing Vision Model Failure [0.0]
現在のコンピュータビジョン用の合成データパイプラインは、下流モデルが本当に必要とするものを診断することなく、画像を生成する。
このオープンループパラダイムは、合成データを安価な実データとして扱い、ジェネレータの出力空間をランダムにサンプリングする。
これは基本的に、合成データのユニークな特性である、制御可能で独立したシーン要因のバリエーションを誤用している、と我々は主張する。
論文 参考訳（メタデータ） (2026-03-30T02:52:21Z) - Attractor-Keyed Memory [0.0]
物理セレクタは、決定の時点で高次元のシグネチャを生成する。
試行錯誤(ステレオタイプ化)および経路間で線形に独立なシグネチャを繰り返すと、単一の線形デコーダがそれらを任意のペイロードにマップする。
我々は,全誤差分解を導出し,Ising-machineセレクタの構成を与え,合成スペックル・シグナチャシミュレーションで予測されたスケーリングを検証する。
論文 参考訳（メタデータ） (2026-03-17T18:31:40Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - Understanding Interlocking Dynamics of Cooperative Rationalization [90.6863969334526]
選択的合理化(Selective rationalization)は、ニューラルネットワークの出力を予測するのに十分な入力の小さなサブセットを見つけることによって、複雑なニューラルネットワークの予測を説明する。
このような合理化パラダイムでは,モデルインターロックという大きな問題が浮かび上がっている。
A2Rと呼ばれる新しい合理化フレームワークを提案し、アーキテクチャに第3のコンポーネントを導入し、選択とは対照的にソフトアテンションによって駆動される予測器を提案する。
論文 参考訳（メタデータ） (2021-10-26T17:39:18Z) - Machine Learning for Continuous Quantum Error Correction on
Superconducting Qubits [1.8249709209063887]
連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。
本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための機械学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-20T05:13:37Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。
提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
論文 参考訳（メタデータ） (2020-12-09T08:16:35Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z)
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。