基于机器学习的物理事件生成调查
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
本研究提出了一个基于机器学习的数据生成框架,旨在辅助那些利用模拟来研究各种物理系统或过程的研究人员。我们的方法包括两个步骤:首先,我们使用有限的模拟数据训练监督预测模型来预测模拟结果;然后,我们使用强化学习代理来生成准确的、类似于模拟的数据,从而更有效地探索参数空间并深入了解物理系统或过程。我们通过两个案例研究:一个关注地震破裂物理,另一个关注新材料开发,证明了所提出框架的有效性。
May, 2023
介绍现代机器学习在粒子物理领域的应用,重点关注大型强子对撞机中的信号 / 背景识别任务,包括使用监督学习和直接数据驱动方法等。文末还讨论了该领域存在的挑战和未来发展方向。
Mar, 2021
本文综述了机器学习和物理科学之间的接口,包括机器学习的基本概念,如何用统计物理学理解机器学习方法,机器学习方法在粒子物理学、宇宙学、量子物理学、量子计算和化学、材料物理学中的应用,以及加速机器学习的新型计算架构的研究和开发。
Mar, 2019
我们通过应用一种新颖的生成对抗网络(GAN)架构到喷气图像的生成,提供了机器学习社区中生成建模与高能粒子物理中模拟物理过程之间的桥梁,并提出了一种简单的位置感知生成对抗网络。这项工作为将 GAN 用于高能粒子物理中的快速模拟提供了基础。
Jan, 2017
机器学习与高能物理的交叉发展对于我们的社区既是机遇也是挑战,需要支持这一跨学科社区,包括在两个领域的交叉处进行专门的研究,投资于大学的高性能计算等方面。同时,我们需要提供职业生涯规划,以吸引年轻的研究人员投入到机器学习关于高能物理领域的研究中。
Sep, 2022
2023 AI4EIC hackathon at The Catholic University of America brought together researchers to discuss the latest developments in AI and Machine Learning for the Electron Ion Collider, and the hackathon involved using a chatbot powered by ChatGPT-3.5 to analyze physics data.
Apr, 2024