論文の概要: BAARC: Uncertainty-Driven Adaptive Partial Spectral Measurement to Full Reconstruction for Material Classification

• arxiv url: http://arxiv.org/abs/2610.32505v1
• Date: Fri, 23 Oct 2026 11:27:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.506194
• Title: BAARC: Uncertainty-Driven Adaptive Partial Spectral Measurement to Full Reconstruction for Material Classification
• Title（参考訳）: BAARC:不確実性駆動型適応部分スペクトル測定による材料分類の完全再構築
• Abstract要約: ラマン分光測定のためのBAARC(Bayesian Adaptive Acquisition)フレームワークをシミュレーションした。 完全スペクトル範囲にわたって小さな波数パッチの漸進的な部分的測定を行う2段階の枠組みを共同で構築する。 ハードウェアの取得と深層確率モデリングのループを閉じることで,スペクトルの忠実度と診断精度を両立させながら,物理計測のステップを最小化する。
• 参考スコア（独自算出の注目度）: 5.9771814055976025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spectroscopic instruments with limited wavenumber coverage require accurate scan positioning or multiple measurements to complete the material analysis. This often requires prerequisite knowledge about the material under diagnosis to measure the spectral regions with distinguishing peaks. In our study, we simulate a Bayesian Adaptive Acquisition with Reconstruction-driven Classification (BAARC) framework for Raman spectral measurements, using masked training to learn spectral features that dynamically drive laser channel selection until the material is identified. We present a jointly trained two-level framework that takes progressive partial measurements of small wavenumber patches across the complete spectral range and, at each step, first attempts to reconstruct the full spectra until the model uncertainty is low. Secondly, material classification is performed at each reconstruction step until stoppage. Uncertainty quantification during reconstruction steps helps determine the measurement position of our next patch, while combining it with classification uncertainty determines measurement termination. By closing the loop between hardware acquisition and deep probabilistic modeling, the proposed system minimizes physical measurement steps while maintaining both spectral fidelity and diagnostic accuracy. Experimental evaluations demonstrate that our framework achieves high-accuracy sample identification using only a fraction of full-spectrum channels, offering a scalable solution for real-time, high-throughput spectroscopic instruments.
• Abstract（参考訳）: 波長範囲が限られている分光器は、材料分析を完了させるために正確な走査位置または複数の測定を必要とする。 これはしばしば、ピークを区別してスペクトル領域を測定するために診断対象の物質について必要不可欠な知識を必要とする。 本研究では, ラマン分光測定のためのBayesian Adaptive Acquisition with Reconstruction-driven Classification (BAARC) フレームワークを模擬し, マスク付きトレーニングを用いて, 材料が特定されるまでレーザチャネル選択を動的に駆動するスペクトル特徴を学習する。 完全スペクトル範囲にわたる小さな波数パッチの漸進的な部分的測定を行い、各ステップにおいて、モデルの不確実性が低いまで、まず完全なスペクトルを再構築する。 第2に、各復元工程において、停止まで材料分類を行う。 再構成過程における不確かさ定量化は、次のパッチの測定位置を決定するのに役立ち、分類の不確実性と組み合わせて測定終了を決定する。 ハードウェアの取得と深層確率モデリングのループを閉じることで,スペクトルの忠実度と診断精度を両立させながら,物理計測のステップを最小化する。 実験により,本フレームワークはフルスペクトルチャネルのごく一部のみを用いて高精度な試料同定を実現し,リアルタイム・高出力分光装置にスケーラブルなソリューションを提供することを確認した。

関連論文リスト

• Accurate noise spectroscopy using quantum sensing ensembles [70.36032466145112]
  本稿では,アンサンブルコヒーレンスを用いた真の音源雑音スペクトルに対する解析手法を提案する。 周波数選択性と重み付け信号の収集を両立させて,シーケンスタイミングがアンサンブルノイズスペクトロスコピーにおいて二重の役割を担っていることを示す。 本手法をダイヤモンド中の浅い窒素空孔中心のモデル系に適用し, MHz帯表面雑音のスペクトル特性について一貫した情報が得られることを示す。
  論文  参考訳（メタデータ） (2026-09-15T05:03:36Z)
• A Practical Noise2Noise Denoising Pipeline for High-Throughput Raman Spectroscopy [0.0]
  このアプローチは、Noss2Noise戦略を用いて訓練された1次元畳み込みオートエンコーダに依存する。 短時間露光取得を繰り返し行う訓練サブセットから、モデルを学習し、ラマンスペクトルを効率よく抑圧しながら再構成する。 その結果, 信頼度の高い解釈には不十分な1スペクトルあたり5ミリ秒の積分時間で, 基準データに対する高忠実度な偏光スペクトルが得られることがわかった。
  論文  参考訳（メタデータ） (2026-05-18T15:03:43Z)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• A Self-supervised Learning Method for Raman Spectroscopy based on Masked Autoencoders [3.9517125314802306]
  SMAE と呼ばれる Masked AutoEncoder に基づくラマン分光の自己教師型学習パラダイムを提案する。 SMAEは、事前トレーニング中にスペクトルアノテーションを必要としない。ランダムなマスキングを行い、スペクトル情報を再構成することにより、本質的なスペクトル特徴を学習する。
  論文  参考訳（メタデータ） (2025-04-21T10:44:06Z)
• Fast remote spectral discrimination through ghost spectrometry [3.3911785884111483]
  ゴーストスペクトロメトリは, 化学, 生物, 放射線, 核の脅威の有無を評価するのに有効であることを示す。 多くの場合、対象の完全なスペクトル線形状を再構成する必要がなく、スペクトル吸収対象が存在するか否かを識別する関心がある。 異なるサンプルを用いて得られた実験結果を考察し,それらをシミュレーションで補完し,最も一般的なシナリオを探索する。
  論文  参考訳（メタデータ） (2023-03-27T11:46:48Z)
• Spectrum-BERT: Pre-training of Deep Bidirectional Transformers for Spectral Classification of Chinese Liquors [0.0]
  本稿では,中国酒のスペクトル分類のための双方向トランスフォーマーの事前学習手法を提案し,これをSpectrum-BERTと略した。 我々はNext Curve Prediction (NCP) と Masked Curve Model (MCM) の2つの事前学習タスクを精巧に設計し、未ラベルのサンプルを効果的に活用できるようにした。 比較実験では、提案したSpectrum-BERTは、複数のメトリクスでベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2022-10-22T13:11:25Z)
• Low-complexity deep learning frameworks for acoustic scene classification [64.22762153453175]
  音響シーン分類(ASC)のための低複雑さ深層学習フレームワークを提案する。 提案するフレームワークは、フロントエンドのスペクトログラム抽出、オンラインデータ拡張、バックエンドの分類、予測される確率の後期融合の4つの主要なステップに分けることができる。 DCASE 2022 Task 1 Development データセットで実施した実験は,低複雑さの要求を十分に満たし,最も高い分類精度を 60.1% で達成した。
  論文  参考訳（メタデータ） (2022-06-13T11:41:39Z)
• Dual-Frequency Quantum Phase Estimation Mitigates the Spectral Leakage of Quantum Algorithms [76.15799379604898]
  量子位相推定は、レコード長の逆数が未知の位相の整数倍でない場合にスペクトルリークに悩まされる。 複数のサンプルが利用できるとき,クレーマー・ラオ境界に近づいた二重周波数推定器を提案する。
  論文  参考訳（メタデータ） (2022-01-23T17:20:34Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• PointIso: Point Cloud Based Deep Learning Model for Detecting Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based Segmentation [5.495506445661776]
  PointIsoは、ペプチドの特徴検出の問題を解決するために、ポイントクラウドベースの任意の精度のディープラーニングネットワークである。 ベンチマークデータセットにおいて、高品質なMS/MS識別を98%検出する。
  論文  参考訳（メタデータ） (2020-09-15T17:34:14Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。