Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Spatio-Temporal Anomaly Detection with Graph Networks for Data Quality Monitoring of the Hadron Calorimeter

Created by
  • Haebom

作者

Mulugeta Weldezgina Asres, Christian Walter Omlin, Long Wang, David Yu, Pavel Parygin, Jay Dittmann, Georgia Karapostoli, Markus Seidel, Rosamaria Venditti, Luka Lambrecht, Emanuele Usai, Muhammad Ahmad, Javier Fernandez Menendez, Kaori Maeshi

概要

本論文は、CERNの大型降入者速速装置（LHC）におけるCMS実験のHardron Calometer（HCAL）の粒子読み取りチャネルのためのリングマップ学習ベースの時空間異常検出（AD）監視システムであるGraphSTADを提示します。 GraphSTADは、DQMの3次元デジ占有マップデータを使用して、合成積ニューラルネットワークとグラフニューラルネットワークを使用して、粒子が検出器を通過しながら引き起こされる局所的な空間的特徴と、チャネルの共有バックエンド回路接続とハウジングボックスによるグローバル動作を学習します。循環ニューラルネットワークは、抽出された空間的特徴の時間的進化を捉えます。 LHC衝突データセットを使用してさまざまなチャネルエラータイプをキャプチャするために提案されたADシステムの精度を検証し、GraphSTADシステムは実際の精度を達成してCMSコア生産システムに統合され、HCALのリアルタイム監視に使用されています。代替ベンチマークモデルとの定量的性能比較によって提示されたシステムの有用性を示す。

Takeaways、Limitations

•
Takeaways:
◦
CMS HCALのリアルタイムデータ品質監視のための正確で効率的なリングマップ学習ベースの時空間異常検出システムGraphSTAD提示
◦
合成積ニューラルネットワーク、グラフニューラルネットワーク、循環ニューラルネットワークを組み合わせて、局所的およびグローバルな特徴を効果的に学習します。
◦
様々なチャネル誤差タイプに対する高い検出精度の達成とCMSコアシステムの統合
◦
従来の方法と比較して改善された性能を定量的に実証。
•
Limitations：
◦
本論文で提示されたGraphSTADシステムの性能は、特定の実験環境（CMS HCAL）に限定され得る。他の実験環境や他の種類の検出器には適用可能性が限られている可能性があります。
◦
新しいタイプのエラーや予期しない故障に対するシステムの一般化能力に関する追加の研究が必要です。
◦
システムの複雑さのために、リアルタイム処理性能とリソース消費のための追加の最適化が必要になる場合があります。
👍
Made with Slashpage