A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Simultaneous Noise and Impedance Fitting to Transition-Edge Sensor Data Using Differential Evolution (2020)
Helenius, A. P., Puurtinen, T. A., Kinnunen, K. M., & Maasilta, I. J. (2020). Simultaneous Noise and Impedance Fitting to Transition-Edge Sensor Data Using Differential Evolution. Journal of Low Temperature Physics, 200(5-6), 213-219. https://doi.org/10.1007/s10909-020-02489-0
JYU-tekijät tai -toimittajat
Julkaisun tiedot
Julkaisun kaikki tekijät tai toimittajat: Helenius, A. P.; Puurtinen, T. A.; Kinnunen, K. M.; Maasilta, I. J.
Lehti tai sarja: Journal of Low Temperature Physics
ISSN: 0022-2291
eISSN: 1573-7357
Julkaisuvuosi: 2020
Ilmestymispäivä: 30.06.2020
Volyymi: 200
Lehden numero: 5-6
Artikkelin sivunumerot: 213-219
Kustantaja: Springer Science and Business Media LLC
Julkaisumaa: Yhdysvallat (USA)
Julkaisun kieli: englanti
DOI: https://doi.org/10.1007/s10909-020-02489-0
Julkaisun avoin saatavuus: Avoimesti saatavilla
Julkaisukanavan avoin saatavuus: Osittain avoin julkaisukanava
Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/71073
Rinnakkaistallenteen verkko-osoite (pre-print): https://arxiv.org/abs/1909.05643
Tiivistelmä
We discuss a robust method to simultaneously fit a complex multi-body model both to the complex impedance and the noise data for transition-edge sensors. It is based on a differential evolution (DE) algorithm, providing accurate and repeatable results with only a small increase in computational cost compared to the Levenberg–Marquardt (LM) algorithm. Test fits are made using both DE and LM methods, and the results compared with previously determined best fits, with varying initial value deviations and limit ranges for the parameters. The robustness of DE is demonstrated with successful fits even when parameter limits up to a factor of 10 from the known values were used. It is shown that the least squares fitting becomes unreliable beyond a 10% deviation from the known values.
YSO-asiasanat: tutkimuslaitteet; anturit; signaalinkäsittely; differentiaalievoluutio; geneettiset algoritmit
Vapaat asiasanat: thermal model; genetic algorithm; differential evolution; transition-edge sensor
Liittyvät organisaatiot
OKM-raportointi: Kyllä
Raportointivuosi: 2020
JUFO-taso: 1
