論文の概要: Exploring new directions in enhancing the ACTS parameter optimization suite

• arxiv url: http://arxiv.org/abs/2608.14714v1
• Date: Tue, 11 Aug 2026 18:49:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.240581
• Title: Exploring new directions in enhancing the ACTS parameter optimization suite
• Title（参考訳）: ACTSパラメータ最適化スイートの高速化に向けた新しい方向の探索
• Abstract要約: ベイジアン最適化がACTSとOpen Data Detectorの制約に対処できるかどうかを検討する。 We apply expecteded Hypervolume Improvement to optimization efficiency, fake rate, copy rate, and runtime without fixed scalar weights。 これらの結果から, ベイジアン最適化は, 効率的な評価, より広範なパラメータ探索, ポストホック専門家の選択を通じて, ACTS自動調整を強化できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Track seeding strongly affects both the quality and computational cost of charged-particle reconstruction, yet its many configuration parameters are commonly tuned through expert intuition and repeated trial and error. ACTS reduces this burden with an Optuna Tree-structured Parzen Estimator auto-tuner, but expensive evaluations, a restricted search space, and a scalarized objective can limit evaluation efficiency, exclude promising configurations, and obscure performance trade-offs. We investigate whether Bayesian optimization can address these limitations using ACTS with the Open Data Detector (ODD). Under identical search ranges and a common 100-trial budget, we compare Expected Improvement and Upper Confidence Bound with TPE and random search on the existing eight-parameter problem, extend the best-performing Bayesian method to fifteen parameters, and apply Expected Hypervolume Improvement to optimize efficiency, fake rate, duplicate rate, and runtime without fixed scalar weights. Candidate configurations are evaluated through the full ACTS reconstruction chain and validated on disjoint held-out events. The Bayesian acquisition methods identify strong configurations earlier than TPE, and their advantage persists in held-out validation. Expanding the search further improves performance, while multi-objective optimization reveals competitive non-dominated solutions spanning distinct trade-offs. These results indicate that Bayesian optimization can strengthen ACTS auto-tuning through efficient evaluation, broader parameter searches, and post-hoc expert selection among non-dominated alternatives.
• Abstract（参考訳）: トラックシードは荷電粒子再構成の品質と計算コストの両方に強く影響するが、多くの構成パラメータは専門家の直観と繰り返し試行錯誤によって調整される。 ACTSは、オプトゥーナツリー構造を持つParzen Estimatorオートチューニングによる負担を軽減するが、高価な評価、制限された検索スペース、スキャラライズされた目的は、評価効率を制限し、期待できる構成を除外し、パフォーマンスのトレードオフを曖昧にすることができる。 本稿では,ACTS と Open Data Detector (ODD) を用いてベイジアン最適化がこれらの制約に対処できるかどうかを検討する。 また,提案手法を15パラメータに拡張し,効率,フェイクレート,重複レート,実行時を固定スカラーウェイトなしで最適化するためのハイパーボリューム改善を適用した。 候補構成は完全なACTS再構成チェーンを通じて評価され、不随意の保留イベントで検証される。 ベイジアン取得法は、TPEよりも早く強い構成を識別し、その利点は保留検証において持続する。 探索の拡張により性能が向上する一方、多目的最適化では、異なるトレードオフにまたがる競合する非支配的なソリューションが明らかになる。 これらの結果から, ベイジアン最適化は, 効率的な評価, より広範なパラメータ探索, および非支配的代替品間のポストホック専門家選択を通じて, ACTSオートチューニングを強化できることが示唆された。

関連論文リスト

• Relation-Aware Bayesian Optimization of DBMS Configurations Guided by Affinity Scores [2.474203056060563]
  データベース管理システム(DBMS)は,大規模および異種データの管理に基本的であり,その性能は構成パラメータの影響を強く受けている。 近年の研究では、機械学習を用いた自動構成最適化に焦点が当てられているが、既存のアプローチにはいくつかの重要な制限がある。 パラメータ依存をグラフとして表現する新しいフレームワークであるRelTuneを提案し,パフォーマンス関連セマンティクスを符号化したGNNベースの潜伏埋め込みを学習する。
  論文  参考訳（メタデータ） (2025-10-31T03:46:42Z)
• BOOST: Bayesian Optimization with Optimal Kernel and Acquisition Function Selection Technique [1.0499611180329804]
  カーネル獲得ペアの選択を自動化する新しいフレームワークであるBOOSTを提案する。 BOOSTは、様々なカーネル獲得ペアのパフォーマンスを予測し、高価な評価にコミットする前に最も有望なペアを特定する。
  論文  参考訳（メタデータ） (2025-08-04T12:08:12Z)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• Controllable Prompt Tuning For Balancing Group Distributional Robustness [53.336515056479705]
  グループ間で優れたパフォーマンスを実現するための最適化スキームを導入し、それらの性能を著しく犠牲にすることなく、全員に良い解決策を見出す。 本稿では,制御可能なプロンプトチューニング(CPT)を提案する。 突発的相関ベンチマークでは, 変換器と非変換器の両アーキテクチャ, および非モーダルおよびマルチモーダルデータにまたがって, 最先端の結果が得られた。
  論文  参考訳（メタデータ） (2024-03-05T06:23:55Z)
• c-TPE: Tree-structured Parzen Estimator with Inequality Constraints for Expensive Hyperparameter Optimization [45.67326752241075]
  本稿では,この制約に対処するための制約付きTPE (c-TPE) を提案する。 提案するエクステンションは,既存の取得関数とオリジナルのTPEの単純な組み合わせに留まらず,パフォーマンスの低下の原因となる問題に対処する修正も含んでいる。 実験では,C-TPEは,不等式制約のある81のHPOに対して,統計的に有意な既存の手法の中で,最高の平均ランク性能を示すことを示した。
  論文  参考訳（メタデータ） (2022-11-26T00:25:11Z)
• Efficient Neural Network Analysis with Sum-of-Infeasibilities [64.31536828511021]
  凸最適化における総和係数法に着想を得て,広範な分岐関数を持つネットワーク上での検証クエリを解析するための新しい手法を提案する。 標準ケース分析に基づく完全探索手順の拡張は、各検索状態で実行される凸手順をDeepSoIに置き換えることによって達成できる。
  論文  参考訳（メタデータ） (2022-03-19T15:05:09Z)
• Trusted-Maximizers Entropy Search for Efficient Bayesian Optimization [39.824086260578646]
  本稿では,信頼度最大化エントロピー探索(TES)取得関数を提案する。 インプットがクエリの情報ゲインにどの程度貢献するかを、信頼された最大値の有限セット上で測定する。
  論文  参考訳（メタデータ） (2021-07-30T07:25:07Z)
• Cost-Efficient Online Hyperparameter Optimization [94.60924644778558]
  実験の単一実行でヒトのエキスパートレベルのパフォーマンスに達するオンラインHPOアルゴリズムを提案します。 提案するオンラインhpoアルゴリズムは,実験の1回で人間のエキスパートレベルのパフォーマンスに到達できるが,通常のトレーニングに比べて計算オーバーヘッドは少ない。
  論文  参考訳（メタデータ） (2021-01-17T04:55:30Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。