粒子加速器のオンライン最適化のための物理情報Gauss過程【JST・京大機械翻訳】

Hanuka Adi; Huang X.; Shtalenkova J.; Kennedy D.; Edelen A.; Lalchand V. R.; Ratner D.; Duris J.

プレプリント

J-GLOBAL ID：202202207747042673 整理番号：21P0047721

粒子加速器のオンライン最適化のための物理情報Gauss過程【JST・京大機械翻訳】

Physics-informed Gaussian Process for Online Optimization of Particle Accelerators

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2020年09月08日プレプリントサーバーでの情報更新日： 2020年09月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

高次元最適化は,大規模科学施設を操作するための重大な課題である。効率的な大域的探索を行うことにより,複雑なシステムを調整するため,物理情報Gaussプロセス(GP)最適化器を適用した。典型的なGPモデルは過去の観測から予測を学ぶが,これはアーカイブデータが利用できない新しいシステムへの適用性を低減する。代わりに,物理シミュレーションから高速近似モデルを用いてGPモデルを設計した。次に,GPを用いて,システムを最適化するために逐次オンライン観測から推論を行った。シミュレーションと実験研究を行い,貯蔵リングのオンライン制御の方法を実証した。物理インフォームGPは,収束速度,およびこのタスクのロバスト性に関して,現在日常的に使用されているオンライン最適化器より優れていることを示した。物理で機械学習モデルを知らせる能力は,科学において広い応用を持つかもしれない。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

システム設計・解析 , ロボットの運動・制御

, , ,

前のページに戻る