Sep, 2023

LHCb 超快速模拟选项 Lamarr 的设计与验证

PDF
TL;DRLamarr 是一个基于 Gaudi 的框架，旨在为 LHCb 探测器的模拟提供最快的解决方案，通过参数化模块将探测器响应和重建算法进行模拟，使用深度生成模型和梯度提升决策树进行参数化，结合 LHCb Gauss 模拟框架和现有的发生器进行高效模拟，实现与详细模拟相比的较好的模拟结果并提高两个数量级的模拟速度。
detector simulationcpu resourceslhcb experimentsimulation frameworkfast simulation
发现论文，激发创造
  • 利用生成对抗网络加速科学：3D 多层量热器中粒子阵列的应用

    介绍了一种基于深度神经网络的准确，快速的电磁量能器模拟方法，可以快速生成大量实验数据，突破了现有算法和计算资源难以满足需求的问题，为探索物理学新领域提供了可能。

    May, 2017

  • CaloQVAE：使用混合量子 - 经典生成模型模拟高能粒子 - 量能器相互作用

    大型强子对撞机的高亮度时代在碰撞事件分析中面临着重大的计算挑战。我们介绍了一种将生成模型和量子退火相结合的技术，用于高能粒子与量热器之间相互作用的快速高效模拟。

    Dec, 2023

  • DELPHES 3, 一个用于快速模拟通用对撞机实验的模块化框架

    DELPHES 3.0 是一个快速模拟工具，具有模拟探测器响应的能力，旨在为各种表观研究提供多功能探测器的模拟。可以从模拟探测器响应中重建各种物理对象，包括跟踪、块状量以及高级对象，如孤立电子、喷注、tau 子和缺失能量。

    Jul, 2013

  • CaloClouds II: 超快速几何独立的高粒度量热器模拟

    快速模拟高粒度探测器中的能量沉积对于未来增加亮度的对撞机实验至关重要。我们介绍了 CaloClouds II，它具有多项关键改进，包括连续时间基于得分的建模和一致性蒸馏模型，显著提高了模拟速度并实现了准确采样。

    Sep, 2023

  • CERN ALICE 实验中零度量能器粒子响应模拟的机器学习方法

    利用神经网络分类器和生成模型直接模拟卡路里计数器的响应，大幅提高了模拟速度并保持高保真度。

    Jun, 2023

  • Delphes，一种用于快速模拟通用对撞机实验的框架

    DELPHES 是基于 C++ 的新型框架，提供了快速的多用途探测器响应模拟，包括磁场中的跟踪系统、能量计、μ 子系统以及可能沿着射线线排列的前向探测器；模拟考虑了磁场，探测器的晶格和子探测器分辨率的影响，可应用于专门的分析，输出包括孤立电子、跨越能量丢失和喷注等可观测物理量。

    Mar, 2009

  • KamLAND-Zen 模拟的生成模型

    未来的无中微子双贝塔衰变搜索将使用基于机器学习的生成模型辅助传统蒙特卡洛模拟以提供高质量的仿真数据，并提高事件分类和背景抑制能力。

    Dec, 2023

  • 在 FPGAs 中部署 AI 推理引擎的框架实现

    本文介绍了用于解决 SLAC 数据实验的高速探测器的存储问题的解决方案 —— 用机器学习技术在边缘计算设备上实现实时数据处理的 SLAC 神经网络库框架，该框架采用基于 FPGA 的加速器来实现 ML 解决方案，并且支持所有权重的 RTL 重训练和恢复。

    May, 2023

  • 使用振幅神经网络优化强子对撞机模拟

    本文研究使用神经网络逼近矩阵元的方法进行精密现象学研究，比较其与传统模拟技术的效果可以实现模拟时间缩短，且在标准观测方面有很好的一致性。

    Feb, 2022

  • CMS 高粒度电磁量能器原型中的电子能量回归

    我们介绍了一个新的公开可用的数据集，其中包含欧洲核子研究中心大型强子对撞机即将安装的新型量热计的模拟数据。通过使用最新的机器学习技术，我们已经构建了一个拥有 12,000 个通道的大型原型，并通过高能电子束的照射对其进行测试。通过释放这些数据，我们希望鼓励机器学习应用专家开发出高效准确的电子能量重建和图像重建方法。

    Sep, 2023