Examensarbeten för kandidatexamen
Länka till denna samling:
Browse
Senast publicerade
Visar 1 - 5 av 92
- PostKompilera kvantdatorkod med förstärkningsinlärning(2022) Strandby, Carl; Jacobson Mo, Nils; Lindahl, Emrik; Einarsson, Kári; Chalmers tekniska högskola / Institutionen för fysik; Chalmers University of Technology / Department of Physics; Falk, Lena; Granath, MatsKvantdatorer förutspås kunna lösa vissa beräkningsintensiva problem som klassiska digitala datorer idag inte kan lösa inom en rimlig tidsram. Ett problem med att exekvera kvantkod är att informationen på en kvantbit har en begränsad livslängd. Det är därför viktigt att exekveringen sker med så få kvantgrindar som möjligt. Kvantdatorns kompilator är också begränsad till att endast exekvera kvantgrindar på kvantbitstillstånd som är länkade på kretsens fysiska arkitektur. Därför behöver kompilatorn tillföra SWAP-grindar för att byta plats på kvantbitstillstånden. Detta tillför exekveringstid och placeringen av dessa SWAP-grindar kan ofta göras på många olika sätt, vilket gör att det är svårt att beräkna en optimal placering. Syftet med detta kandidatarbete är därför att utforska om placering av SWAP-grindar kan utföras med en formulering av djup förstärkningsinlärning som värderar tillstånd istället för handlingar. Projektet har utförts genom att programmera en miljö för djup förstärkningsinlärning utifrån en matrisrepresentation av kvantkod och kvantkretsar. Ett artificiellt neuralt nätverk av faltningstyp har designats för att läsa in ett framtida möjligt tillstånd för en kvantkrets och värdera detta. Förstärkningsinlärningsagenten använder sedan denna värdering för att välja hur den ska placera SWAP-grindar. Förstärkningsinlärningsmodellen bygger på den öppna programvaran Stable Baseline3 som använder OpenAI Gym för miljön och PyTorch för att konstruera faltningsnätverket. Modellen användes sedan för att träna två förstärkningsinlärningsagenter för två olika storlekar av kvantkretsar. Agenterna testades sedan och lyckades med att göra en representation av kvantkod exekverbar. Deras resulterande kvantkod uppmättes dessutom endast vara något sämre än kvantbitdirigeringsprogrammet TKET. Detta antyder att värdering av kvantkretstillstånd med neurala nätverk mycket väl skulle kunna användas för att dirigera kvantbitar.
- PostDjupdykning med djupinlärning Artificiella neuronnät jämförda med addback-algoritmen för detektorrekonstruktion av γ-fotoner(2022) JUHLIN ONBECK, ALFRED; JOHANSSON, BJÖRN; SHAFIQ AHLGREN, GABRIEL; TEPP, ISABELLA; Chalmers tekniska högskola / Institutionen för fysik; Chalmers University of Technology / Department of Physics; Swenson, Jan; T Johansson, HåkanTolkning av detektordata kan vara invecklat och är inte alltid entydigt. Hur γ-fotoner in teragerar med materia skiljer sig från hur laddade partiklar gör det. Spridningar av olika slag gör att detektion av fotoner blir komplex, i synnerhet att karaktärisera varje indivi duell foton, och inte bara den totala deponerade energin. För att urskilja multipliciteten, energin och riktningen hos γ-fotoner krävs detaljerad rekonstruktion av detektordata. Denna studie är en vidareutveckling av tidigare kandidatarbeten med målet att utveck la artificiella neuronnät som överträffar dagens konventionella rekonstruktionsalgoritm, addback. Olika typer av neuronnät har undersökts där deras strukturer och hyperpara metrar varierats och utöver detta har också residualnätverket ResNeXt implementerats. Alla nätverk har tränats på data som är simulerad med hjälp av GEANT4, ggland och ROOT. Datan efterliknar verkliga mätningar av isotropiska γ-fotoner med Darmstadt Heidelberg-kristallbollen. Att träna artificiella neuronnät är en iterativ process. För alla resultat som visas har flera körningar gjorts för samma datapunkt för att verifiera att resultaten är reproducerbara och inte bara slumpmässiga eller lyckosamma. Träningen kan sedan upprepas med varierande parametrar för att optimera dem. Detta multiparameterproblem är en av anledningarna till varför träningen av artificiella neuronnät är väldigt komplex. Prestandautvärderingen är utformad så att resultaten kan jämföras med addback. Med hjälp av detta har mer detaljerade studier gjorts angående om det finns skillnader i hur väl de olika metoderna rekonstruerar för olika typer av händelser. Neuronnäten som tränats i detta arbeta överträffar de från tidigare arbeten. För de ener giintervall som neuronnäten är tränade på, 0,1 MeV − 10 MeV, presterar de även bättre än addback. Alla de tre typer av nätverk som optimerats, fullt kopplade nätverk (FCN), faltande nätverk (CNN) och ResNeXt, hade lägre fel än addback när de tränats på data i detta intervall. För andra intervall, 0,1 MeV − 15 MeV, som nätverken inte var tränade för presterar addback fortfarande bättre.
- PostBiomekanisk 3D-visualisering för löpare Markörlös optisk rörelsefångst genom artificiell intelligens(2022) Barac, Tijana; Boström, Alexander; Lövgren, Lisa; Rydehag, Erik; Svensson, Richard; Ånestrand, Alvin; Chalmers tekniska högskola / Institutionen för fysik; Falk, Lena; Karlsteen, Magnus; Sarovic, DarkoI löpning är löparens hållning och ledvinklar avgörande för prestation och biomekanisk modellering är därför användbart för rörelseanalys. Då en tränare bedömer en löpares teknik kan tränaren spela in löparen för att sedan analysera videon. Utan externa verktyg begränsas tränarens analys av videon då bedömning av många ledvinklar är svåra eftersom videon är tvådimensionell. I arbetet har data på personers rörelsemönster, i form av koordinater för utvalda nyckelpunkter, samlats in och artificiella neuronnätverk har nyttjas för att genomföra rörelsefångst baserat enbart på videodata. Utifrån en video på en löpande person kan nyckelpunkters positioner förutsägas i 3D med en genomsnittlig avvikelse på 115 millimeter i samtliga led, och datan kan användas för beräkning av ledvinklar. Löpningen visualiseras i en webbapplikation skapad för användarvänlighet och som utnyttjar neuronnätverket. Webapplikationen har en interaktiv design och genom att ladda upp en video över en löpsekvens fås en intuitiv förståelse för löparens rörelse i varje tidpunkt. Det finns även möjligheter för vidareutveckling av produkten gällande applicering på och analys av andra typer av rörelser.
- PostKartläggning av innebandyspelares rörelsemönster med hjälp av optisk spårning(2022) Gustafsson, Hannes; Johansson, Pontus; Kullner, Oskar; Molinder, Ebba; Salomonsson, Victor; Chalmers tekniska högskola / Institutionen för fysik; Falk, Lena; Karlsteen, Magnus; Weidow, JonathanDenna rapport syftar till att redogöra för utvecklingen av ett system som kan användas för att upptäcka och spåra positionen av innebandyspelare under matcher. Systemet möjliggör för den insamlade datan att sammanställas till jämförbar spelarstatistik att använda i träningssyfte och är tänkt att vara ekonomiskt tillgängligt inte bara för toppligorna i svensk innebandy. Systemet består av en kamera som spelar in matchen med ett vidvinkelobjektiv för att få med hela spelplanen från en enda kameraposition. Videofilmen behandlas därefter av för ändamålet anpassad öppen källkod vid namn OpenCV, YOLOv5, och DeepSORT som översätter den inspelade videofilmen till tvådimensionell positionsdata för varje spelare. En hemsida utvecklades med hjälp av ramverket Flutter med syfte att lagra och presentera spelarstatistiken framtagen ur den erhållna datamängden. Rapporten går bland annat igenom metoder för detektion och spårning av människor i rörelse, maskininlärning i syfte att upptäcka spelares tröjnummer och koordinatprojicering av identifierade objekt i bilder med vidvinkeldistorsion. För att avgöra graden av ekonomisk tillgänglighet behöver mer ingående kostnads- och marknadsanalyser utföras.
- PostKonstruktion och optimering av en elektromagnetisk massaccelerator(2022) Bloom Rolewska, Julia; Hamberg, Simon; Lilja, Viktor; Melberg, Filip; Olsson, Gottfrid; Stigemyr Hill, Anton; Chalmers tekniska högskola / Institutionen för fysik; Swenson, JanEn ny typ av linjär elektromagnetisk massaccelerator (LEMA) har modellerats, konstruerats och testats. Acceleratorn består av en projektil innehållande en permanentmagnet ovanpå en skena med fem par av koppartrådsspolar placerade längs sidorna. Genom kritiskt dämpad urladdning av kondensatorer skapas kortvariga strömpulser som ger upphov till magnetfält i spolarna. Projektilen accelereras genom att sekventiellt aktivera urladdningarna precis när projektilen passerar respektive spolpar. Den slutgiltiga konstruktionen kunde accelerera en projektil med massa (118,20±0,05) g till en slutfart (10,01±0,07)ms−1 på mindre än en tiondels sekund med verkningsgrad (5,16 ± 0,12)%. LEMA:n delar många likheter med konventionella spolpistoler (från engelskans coilguns) som är väl studerade, se exempelvis [1]–[3], men är nyskapande i sin placering av spolarna utmed skenans sidor. Designen har fördelen att projektilen inte behöver vara cylinderformad. Detta öppnar upp för nya tillämpningar men har samtidigt visat sig ställa höga krav på en symmetrisk konstruktion för kontrollerad acceleration. Efter vidare utveckling kan den föreslagna designen eventuellt komma att användas för att snabbt accelerera fordon eller projektiler till höga hastigheter