Buchumschlag

Domain Knowledge Guided Bayesian Optimization For Autonomous Alignment Of Complex Scientific Instruments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mishra, Aashwin, Seaberg, Matt, Roussel, Ryan, Ratner, Daniel, Mehta, Apurva
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Mathematical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Start To End Machine Learning Approach To Maximize Scientific Throughput From The LCLS-II-HE
von: Mishra, Aashwin, et al.
Veröffentlicht: (2025)

Data Driven Drift Correction For Complex Optical Systems
von: Mishra, Aashwin, et al.
Veröffentlicht: (2025)

A Fragile Number Sense: Probing the Elemental Limits of Numerical Reasoning in LLMs
von: Rahman, Roussel, et al.
Veröffentlicht: (2025)

Towards single-shot coherent imaging via overlap-free ptychography
von: Hoidn, Oliver, et al.
Veröffentlicht: (2026)

Active Learning for Rapid Targeted Synthesis of Compositionally Complex Alloys
von: Johnson, Nathan, et al.
Veröffentlicht: (2024)

Reversing the Lens: Using Explainable AI to Understand Human Expertise
von: Rahman, Roussel, et al.
Veröffentlicht: (2025)

A Learning-based Domain Decomposition Method
von: Wu, Rui, et al.
Veröffentlicht: (2025)

Solving Partial Differential Equations in Different Domains by Operator Learning method Based on Boundary Integral Equations
von: Meng, Bin, et al.
Veröffentlicht: (2024)

BEACON: Bayesian Experimental design Acceleration with Conditional Normalizing flows $-$ a case study in optimal monitor well placement for CO$_2$ sequestration
von: Orozco, Rafael, et al.
Veröffentlicht: (2024)

Domain-Decomposed Graph Neural Network Surrogate Modeling for Ice Sheets
von: Propp, Adrienne M., et al.
Veröffentlicht: (2025)

Efficient Dynamic and Momentum Aperture Optimization for Lattice Design Using Multipoint Bayesian Algorithm Execution
von: Zhang, Z., et al.
Veröffentlicht: (2025)

Spectral Methods in Complex Systems
von: Caravelli, Francesco
Veröffentlicht: (2025)

Uncertainty Propagation within Chained Models for Machine Learning Reconstruction of Neutrino-LAr Interactions
von: Douglas, Daniel, et al.
Veröffentlicht: (2024)

Scientific Machine Learning with Kolmogorov-Arnold Networks
von: Faroughi, Salah A., et al.
Veröffentlicht: (2025)

Statistical Complexity of Quantum Learning
von: Banchi, Leonardo, et al.
Veröffentlicht: (2023)

NUBO: A Transparent Python Package for Bayesian Optimization
von: Diessner, Mike, et al.
Veröffentlicht: (2023)

Deep Learning Enabled Nanoscale X-ray Photoemission Electron Microscopy (nanoXPEEM)
von: Mishra, Aashwin, et al.
Veröffentlicht: (2025)

Zoo Guide to Network Embedding
von: Baptista, Anthony, et al.
Veröffentlicht: (2023)

Domain Decomposition-based coupling of Operator Inference reduced order models via the Schwarz alternating method
von: Moore, Ian, et al.
Veröffentlicht: (2024)

Scientific Machine Learning of Chaotic Systems Discovers Governing Equations for Neural Populations
von: Chesebro, Anthony G., et al.
Veröffentlicht: (2025)

Scalable Quantum-Inspired Optimization through Dynamic Qubit Compression
von: Tran, Co, et al.
Veröffentlicht: (2024)

Symmetry Breaking in Neural Network Optimization: Insights from Input Dimension Expansion
von: Zhang, Jun-Jie, et al.
Veröffentlicht: (2024)

FEKAN: Feature-Enriched Kolmogorov-Arnold Networks
von: Menon, Sidharth S., et al.
Veröffentlicht: (2026)

Learning Heat-based Equations in Self-similar variables
von: Wang, Shihao, et al.
Veröffentlicht: (2026)

Generative Path-Finding Method for Wasserstein Gradient Flow
von: Liu, Chengyu, et al.
Veröffentlicht: (2026)

Continual Learning as a Multiphase Moving-Boundary Problem
von: Khilar, Snigdha Chandan
Veröffentlicht: (2026)

Hamiltonian Graph Inference Networks: Joint structure discovery and dynamics prediction for lattice Hamiltonian systems from trajectory data
von: Geng, Ru, et al.
Veröffentlicht: (2026)

Physics-Informed Mixture Models and Surrogate Models for Precision Additive Manufacturing
von: Basterrech, Sebastian, et al.
Veröffentlicht: (2025)

Physics-Informed Deep Learning of Rate-and-State Fault Friction
von: Rucker, Cody, et al.
Veröffentlicht: (2023)

Learning Hamiltonian neural Koopman operator and simultaneously sustaining and discovering conservation law
von: Zhang, Jingdong, et al.
Veröffentlicht: (2024)

Efficient Error Certification for Physics-Informed Neural Networks
von: Eiras, Francisco, et al.
Veröffentlicht: (2023)

Physics-informed neural networks to solve inverse problems in unbounded domains
von: Pérez-Bernal, Gregorio, et al.
Veröffentlicht: (2025)

Loss Jump During Loss Switch in Solving PDEs with Neural Networks
von: Wang, Zhiwei, et al.
Veröffentlicht: (2024)

Symbolic Recovery of Differential Equations: The Identifiability Problem
von: Scholl, Philipp, et al.
Veröffentlicht: (2022)

Symbolic Neural Ordinary Differential Equations
von: Li, Xin, et al.
Veröffentlicht: (2025)

ASPINN: An asymptotic strategy for solving singularly perturbed differential equations
von: Wang, Sen, et al.
Veröffentlicht: (2024)

A review of graph neural network applications in mechanics-related domains
von: Zhao, Yingxue, et al.
Veröffentlicht: (2024)

Symbolic identification of tensor equations in multidimensional physical fields
von: Chen, Tianyi, et al.
Veröffentlicht: (2025)

RL-DAUNCE: Reinforcement Learning-Driven Data Assimilation with Uncertainty-Aware Constrained Ensembles
von: Behnoudfar, Pouria, et al.
Veröffentlicht: (2025)

Neumann Series-based Neural Operator for Solving Inverse Medium Problem
von: Liu, Ziyang, et al.
Veröffentlicht: (2024)