論文の概要: Physics-Informed Self-Supervised Learning for Joint Wire Calibration and Interaction Position Reconstruction in Multi-Wire Parallel Plate Avalanche Counters

• arxiv url: http://arxiv.org/abs/2609.28604v1
• Date: Wed, 23 Sep 2026 16:18:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.440802
• Title: Physics-Informed Self-Supervised Learning for Joint Wire Calibration and Interaction Position Reconstruction in Multi-Wire Parallel Plate Avalanche Counters
• Title（参考訳）: マルチワイヤパラレルプレート雪崩計数器のジョイントワイヤ校正と相互作用位置再構成のための物理インフォーム型自己教師付き学習
• Abstract要約: 本稿では,ワイヤーキャリブレーションと相互作用位置の再構成を共同で行う物理インフォームド・セルフ教師付き学習フレームワークを提案する。 本手法は,グローバルワイヤゲインとイベント-ワイド相互作用位置を同時に推定する潜在最適化問題として検出器校正を定式化する。 検出器非依存のニューラルネットワークは、局所電荷分布からサブワイヤ相互作用位置を再構成し、解析的帰納プロファイルを仮定する必要がない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific instruments require accurate calibration to convert detector signals into reliable physical observables. Conventional calibration procedures typically rely on dedicated calibration measurements, analytical response models or labelled reference data, limiting their ability to adapt to changing operating conditions and detector aging. We present a physics-informed self-supervised learning framework that jointly performs wire calibration and interaction position reconstruction in Multi-Wire Parallel Plate Avalanche Counters (MWPPACs) without requiring labelled position measurements or dedicated calibration runs. The method formulates detector calibration as a latent optimization problem in which global wire gains and event-wise interaction positions are estimated simultaneously using supervision derived exclusively from detector geometry and charge-energy consistency constraints. A detector-independent neural network reconstructs sub-wire interaction positions from local charge distributions, eliminating the need to assume analytical induction profiles by learning the detector response directly from experimental data. The end-to-end differentiable framework enables continuous detector self-calibration while improving the uniformity and accuracy of position reconstruction. Experimental evaluation on the entrance MWPPAC tracking detectors of the VAMOS++ magnetic spectrometer demonstrates stable convergence, improved spatial homogeneity and enhanced position resolution. Beyond the detector studied, the method establishes a general framework for physics-informed self-supervised calibration of scientific instruments and is a step toward autonomous intelligent instrumentation capable of continuous adaptation during operation. In this paradigm, detector calibration is no longer a prerequisite for an experiment but an integral part of the measurement process itself.
• Abstract（参考訳）: 科学機器は、検出器信号を信頼できる物理観測装置に変換するために正確な校正を必要とする。 従来のキャリブレーションの手順は、通常、専用のキャリブレーション測定、分析応答モデル、ラベル付き参照データに依存しており、動作条件の変化に適応し、老化を検出する能力を制限する。 本稿では,多線並列プレート雪崩計数器(MWPPAC)において,ラベル付き位置測定や専用キャリブレーションを必要とせず,ワイヤーキャリブレーションと相互作用位置再構成を共同で行う物理インフォーム型自己教師型学習フレームワークを提案する。 この方法は、検出器幾何学と電荷-エネルギーの整合性制約からのみ導かれる監督法を用いて、大域的なワイヤゲインと事象の相互作用位置を同時に推定する潜在最適化問題として検出器キャリブレーションを定式化する。 検出器非依存のニューラルネットワークは、局所電荷分布からサブワイヤ相互作用位置を再構成し、検出器応答を直接実験データから学習することで分析誘導プロファイルを仮定する必要がない。 終端微分可能なフレームワークは、位置再構成の均一性と精度を改善しつつ、連続検出器の自己校正を可能にする。 VAMOS++磁気分光計の入射MWPPAC追跡検出器の実験的評価により、安定収束、空間的均一性の向上、位置分解能の向上が示された。 検出器のほかに、科学機器の物理インフォームドな自己管理校正のための一般的な枠組みを確立し、操作中に連続的な適応が可能な自律的なインテリジェントな計器化に向けた一歩である。 このパラダイムでは、検出器の校正はもはや実験の前提条件ではなく、測定プロセス自体の不可欠な部分である。

関連論文リスト

• Self-Supervised Calibration of Scientific Instruments Using Physical Consistency Constraints [0.0]
  本稿では,遅延検出器の校正パラメータとタスク固有の予測を共同で学習する物理インフォームド型自己教師型フレームワークを提案する。 この方法は、既知の物理的制約を利用して擬似ラベルを反復的に生成し、キャリブレーションを自己監督最適化問題に変換する。 これらの結果は、自己校正と自己監視のための一般的なパラダイムを確立している。
  論文  参考訳（メタデータ） (2026-06-28T15:51:36Z)
• Attitude-Aided Linear Calibration of Triaxial Accelerometers [3.810612452609132]
  姿勢支援線形加速度計校正(ALAC)は、向き情報を提供する任意のプラットフォームで動作する。 ALACは、統一キャリブレーションモデルにおいて、センサエラーを表すために複合エラー行列(CEM)を構築する。 固定式ロボット搭載加速度計と準静的なパブリックIMU軌道の実験は、ALACがオフラインモードとオンラインモードの両方において、精度と堅牢性において基準ベースラインとオンラインベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-06-04T15:48:16Z)
• Discovery of Hidden Miscalibration Regimes [52.452902154360565]
  モデルは何らかの入力を体系的に過信し、他人を過信することがある。 対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。 提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
  論文  参考訳（メタデータ） (2026-05-13T13:07:50Z)
• A re-calibration method for object detection with multi-modal alignment bias in autonomous driving [6.672552664633057]
  自律走行における多モード物体検出は、異なるセンサからの補完情報を融合させることにより、大きなブレークスルーを達成した。 LiDARやカメラなどのセンサーとの融合の校正は、以前の研究で常に正確であるはずだった。 実際には、キャリブレーション行列は車両が工場を出る際に固定されるが、機械的振動、道路の隆起、データラグはキャリブレーションバイアスを引き起こす可能性がある。
  論文  参考訳（メタデータ） (2024-05-27T05:46:37Z)
• Deployment Prior Injection for Run-time Calibratable Object Detection [58.636806402337776]
  検出器に追加のグラフ入力を導入し、事前にグラフが配置コンテキストを表す。 テストフェーズでは、事前に適切なデプロイメントコンテキストをグラフ編集を通じて検出器に注入することができる。 事前の配置が分かっていない場合でも、検出器は独自の予測を用いて、事前に近似した配置を用いて自己校正を行うことができる。
  論文  参考訳（メタデータ） (2024-02-27T04:56:04Z)
• Multi-Visual-Inertial System: Analysis, Calibration and Estimation [26.658649118048032]
  マルチビジュアル・慣性システム(MVIS)の状態を推定し,センサ融合アルゴリズムを開発した。 我々は、関連する視覚慣性センサーの完全な校正に興味を持っている。
  論文  参考訳（メタデータ） (2023-08-10T02:47:36Z)
• Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
  グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。 オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
  論文  参考訳（メタデータ） (2023-05-19T23:52:48Z)
• 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)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)

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。