論文の概要: iPINN for Broadband CARS Phase Retrieval: A Framework for Function Approximation and Inverse Modeling Problems in Nonlinear Spectroscopy
- arxiv url: http://arxiv.org/abs/2609.00883v1
- Date: Tue, 01 Sep 2026 08:17:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.460715
- Title: iPINN for Broadband CARS Phase Retrieval: A Framework for Function Approximation and Inverse Modeling Problems in Nonlinear Spectroscopy
- Title（参考訳）: 広帯域CARS位相検索のためのiPINN:非線形分光における関数近似と逆モデリング問題のためのフレームワーク
- Authors: Ravi Teja Vulchi, Carl Messerschmidt, Mohammadsadegh Vafaeinezhad, Rajendhar Junjuri, Tobias Meyer-Zedler, Juergen Popp, Thomas Bocklitz,
- Abstract要約: コヒーレント反ストークスラマン分光法における位相探索は不適切な逆問題である。
逆物理インフォームドニューラルネットワーク(iPINN)を導入し,生のBCARSスペクトルからローレンツピークパラメータを予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Phase retrieval in broadband coherent anti-Stokes Raman spectroscopy (BCARS) is an ill-posed inverse problem. The Raman-like signal is encoded in the imaginary part of the resonant susceptibility, which mixes coherently with a non-resonant background (NRB) that varies across acquisitions. We introduce an inverse physics-informed neural network (iPINN) that predicts Lorentzian peak parameters from raw BCARS spectra and reconstructs the resonant susceptibility through a differentiable analytical forward model. A transformer encoder assigns spectral features to 24 learnable peak slots, and a multi-view consistency loss enforces invariance across NRB pattern, NRB strength, and noise. Unlike direct spectral regression approaches, the method retains accuracy under varying acquisition conditions. On a public benchmark, iPINN achieves the lowest error among the tested baselines (MAE 0.016 vs. next-best 0.046). On 28 zero-shot test spectra acquired across seven solvents and four focal positions, accuracy is depth-invariant in five of seven solvents. These results show that inverse parametric prediction with a differentiable physical decoder supports robust phase retrieval across measurement conditions.
- Abstract（参考訳）: ブロードバンドコヒーレント反ストークスラマン分光法(BCARS)の位相探索は不適切な逆問題である。
ラマン様信号は共鳴感受性の想像上の部分で符号化され、これは取得によって異なる非共鳴背景(NRB)とコヒーレントに混合される。
Inverse Physics-informed Neural Network (iPINN) を導入し、生のBCARSスペクトルからローレンツピークパラメータを予測し、可変解析フォワードモデルを用いて共振感受性を再構成する。
変換器エンコーダは、24個の学習可能なピークスロットにスペクトル特徴を割り当て、マルチビュー整合損失は、NRBパターン、NRB強度、ノイズの分散を強制する。
直接スペクトル回帰法とは異なり、この方法は様々な取得条件下で精度を維持する。
公開ベンチマークでは、iPINNはテストベースラインの中で最も低いエラー(MAE 0.016対next-best 0.046)を達成する。
7つの溶媒と4つの焦点位置で得られた28のゼロショット試験スペクトルでは、精度は7つの溶媒のうち5つの深さ不変である。
これらの結果から, 物理デコーダを用いた逆パラメトリック予測は, 測定条件をまたいだ頑健な位相探索を支援することが示唆された。
関連論文リスト
- Correcting Neural Operator Spectral Bias via Diffusion Posterior Sampling with Sparse Observations [0.0]
ニューラル作用素は、数値解法よりも桁違いに高速な近似PDE解を代理する。
磁場のスパースセンサー測定もしばしば利用可能であり、スペクトル歪みを伴わないポイントワイズ精度を提供する。
拡散後サンプリングフレームワークにおけるNO予測を補助観測として扱うことでこの問題に対処する。
論文 参考訳（メタデータ） (2026-06-02T17:26:15Z) - Coverage Analysis of Rydberg Atom Quantum Receiver Arrays: A Stochastic Geometry Approach [55.47164192369501]
ライドバーグ原子量子受信機(RAQR)は、量子制限感度とブロードバンドチューナビリティを提供する。
密集した展開において、集合的干渉は原子トランスデューサを小さな信号状態から外すことができる。
本稿では、RAQRフロントエンドを幾何学的カバレッジ分析に埋め込むことで、この問題に対処する。
論文 参考訳（メタデータ） (2026-05-22T04:05:13Z) - Diagnosing Spectral Ceilings in Equivariant Neural Force Fields [0.0]
角度周波数をトレーニングされた等変力場バックボーンで測定するためのスペクトル注入診断法を提案する。
有限次スパン定理は、診断を校正する: 1つのマークされた方向に対して、次数-Lの球面-調和特徴の次数-dsは、境界における多重度-1の飽和を持つdLとちょうどH以下である。
論文 参考訳（メタデータ） (2026-05-08T08:02:51Z) - Adaptable phase retrieval for coherent transition radiation spectroscopy based on differentiable physics information [31.458406135473805]
我々は,CTR位相検索のためのフレキシブルな勾配に基づくフレームワークを提案する。
微分可能フォワードモデルを利用することで、位相のみの勾配降下(GD-Phase)アプローチを提案する。
従来の方法とは異なり、この定式化は任意の微分可能な実験効果を復元ループにシームレスに組み込むことを可能にする。
論文 参考訳（メタデータ） (2026-04-28T10:45:41Z) - 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) - Spectral Gating Networks [65.9496901693099]
我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。
SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。
計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
論文 参考訳（メタデータ） (2026-02-07T20:00:49Z) - Quantum Fourier Transform Based Kernel for Solar Irrandiance Forecasting [0.0]
本研究では,短期時系列予測のための量子フーリエ変換(QFT)を用いた量子カーネルを提案する。
それぞれの信号はウィンドウ化され、振幅エンコードされ、QFTによって変換され、その後保護回転層を通過してQFT/QFT隣接キャンセルを回避する。
外因性予測子は、凸的に融合した特徴特異的カーネルによって組み込まれている。
論文 参考訳（メタデータ） (2025-11-21T18:36:25Z) - Spectral Bias Mitigation via xLSTM-PINN: Memory-Gated Representation Refinement for Physics-Informed Learning [6.546212906401042]
我々は、スペクトルバイアスを抑制し、外挿を強化するために、表現レベルのスペクトルリモデリングxLSTM-PINNを導入する。
4つのベンチマークで、ゲート型クロススケールメモリ、ステージ付き周波数カリキュラム、適応型残差再重み付けを統合した。
ベースラインPINNと比較して、MSE、RMSE、MAE、MaxAEを4つのベンチマークで削減し、よりクリーンな境界遷移を提供する。
論文 参考訳（メタデータ） (2025-11-16T08:55:27Z) - Avoided-crossings, degeneracies and Berry phases in the spectrum of quantum noise through analytic Bloch-Messiah decomposition [49.1574468325115]
解析的ブロッホ・メシア分解 (analytic Bloch-Messiah decomposition) は量子光学系の力学を特徴づけるためのアプローチを提供する。
単一パラメータが変化した場合,回避された交差は自然に発生し,特異ベクトルの過敏性をもたらすことを示す。
我々は,避けられた交差を意図的に設計することで,フォトニックシステムのスペクトル応答をプログラムできる可能性を強調した。
論文 参考訳（メタデータ） (2025-04-29T13:14:15Z) - Momentum Diminishes the Effect of Spectral Bias in Physics-Informed
Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。
彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。
本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文 参考訳（メタデータ） (2022-06-29T19:03:10Z)
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。