实用统计学
本文提出了一种贝叶斯方法来优化实验设计,应用于质子 Compton 散射,评估了对特定观测值进行特定动力学测量的信息增益,并证实了新数据对缩小不确定性的相对作用量。
Apr, 2020
本文讨论机器学习在粒子物理学研究中的应用前景和可行性,并详述实现机器学习在粒子物理学上开发所需的软硬资源、与数据科学社区、学术界和产业界的合作倡议以及对粒子物理学界在数据科学培训上进行的工作。旨在将研究和开发与物理驱动器连接起来,并确定实现它们的资源需求,以及其他社区的合作领域。
Jul, 2018
介绍了在 CERN 的 Large Hadron Collider(LHC)中收集到的数据是如何探索基本粒子和不同于标准模型的物理等方面的,同时也讨论了为了高光度 LHC 的测量升级探测器,并且以探测器的升级为基础,通过建立针对高能物理学的科学软件创新研究所(S2I2)来应对 HL-LHC 的挑战。
Dec, 2017
本文介绍了一种可以用于处理弱长程相互作用问题的通用框架,其中包括压缩感知问题或感知器学习问题,框架利用了统计物理学的分析工具来研究其解决方案的基本限制,并提出了解决方案算法,这可以为机器学习提供有益的工具。
Jun, 2023
该研究论文探讨了在面对包含海量数据集和需要超级计算机执行的模拟时,如何利用数据与模型之间的固有统计学特性来提高学习和推理的效率,并提出了相应的基于随机梯度的算法来检测概率、提高 MCMC 的更新效率和决定参数更新的接受或拒绝,同时探讨了在大数据和大模拟时代中 Bayesian 方法所面临的一些计算方面的挑战。
Feb, 2014
本文介绍了在高能物理中进行新现象发现和模型参数置信区间的基于似然的统计检验方法,聚焦于测试程序的性质,包括系统误差的考虑,推导了 Wilks 和 Wald 结果的渐近分布的显式公式,提出并证明使用代表性数据集 Asimov 数据集的方法,该数据集提供了一种在搜索或测量中获得中位实验灵敏度以及这一期望的波动的简单方法。
Jul, 2010