Sep, 2023

使用流场匹配和扩散方法快速生成颗粒云

PDF
TL;DR在本文中，我们提出了两种新的方法，以高效准确地生成大型高度相关的 LHC 喷注点云。我们引入了 'epcjedi'，它将分数匹配扩散模型与基于深度集合框架的 'EPiC' 架构相结合；我们还引入了 'epcfm'，它是第一个用于粒子云生成的置换等变连续归一化流。我们的实验表明，'epcjedi' 和 'epcfm' 在维持快速生成速度的同时，都达到了最先进的表现。值得注意的是，我们发现 'epcfm' 模型在每个指标上始终优于其他所有考虑的生成模型。此外，我们还引入了两个新的粒子云性能度量，第一个是基于特征分布的 Kullback-Leibler 散度，第二个是多模型 ParticleNet 分类器的负对数后验。
发现论文，激发创造
  • 超越运动学的流匹配：使用粒子标识和轨迹位移信息生成喷注

    我们介绍了第一个基于 JetClass 数据集训练的生成模型。我们的模型在组分级别生成喷注，是一个使用流匹配技术训练的排列等变连续正则化流模型 (CNF)。它以喷注类型为条件，因此可以用一个模型生成 JetClass 的十种不同类型的喷注。我们还首次介绍了一个超越喷注组分的运动特征的生成模型。JetClass 数据集包括更多特征，如粒子 ID 和轨道冲击参数，我们证明了我们的 CNF 模型也能准确建模所有这些附加特征。我们的 JetClass 生成模型扩展了现有喷注生成技术的多样性，增强了它们在高能物理研究中的潜在实用性，并提供了对所生成喷注更全面的理解。

    Nov, 2023

  • 利用消息传递生成对抗网络生成粒子云

    本文介绍了高能物理领域的 Jets 和它们在 LHC 对撞机中的存在，针对该领域存在的数据表示问题，提出了一种新的基于 Particle cloud 的数据集 JetNet，并开发出名为 MPGAN 的新型生成模型，实验结果表明 MPGAN 在各项指标上均表现优异，未来有望被用于高能物理领域。同时，为了促进研究和提高可访问性和可重复性，开源了 JetNet Python Package，提供了接口，实现了评估和损失度量等工具。

    Jun, 2021

  • PC-Droid: 用于粒子云生成的更快传播和更好质量的方案

    PC-Droid 使用新的扩散公式、更現代的統計積分者和對所有噴流類型的同時訓練，實現了全部評估指標的最先進性能，比 PC-JeDi 快兩個數量級。

    Jul, 2023

  • 等变流匹配

    本文提出了一种新的训练目标 equivariant flow matching，该方法是基于最近提出的 optimal transport flow matching，利用目标能量的对称性来对称等变 CNFs 进行高效的仿真 - free 训练，在许多粒子系统和小分子 alanine dipeptide 中展示了我们方法的有效性，我们首次获得了一个具有显着采样效率的 Boltzmann 生成器，而不依赖于定制的内部坐标特征选取。

    Jun, 2023

  • 低剂量 CT 图像去噪的泊松流一致性模型

    提出了一种结合了 Poisson 流一致性模型（PFCM）的后采样 Poisson 流一致性模型（PS-PFCM）的图像去噪技术，该方法能够在低剂量 CT 图像上优于当前的最优扩散样式模型，并在 CIFAR-10 数据集上提供了初步结果。

    Feb, 2024

  • AdvectiveNet: 一种欧拉 - 拉格朗日流体储集器用于点云处理

    本文介绍了一种基于物理学的深度学习方法，用于处理点云数据，通过介绍欧拉 - 拉格朗日表示法，能够自然地演化和累积粒子功能，实现各种点云分类和分割问题的高效解决，所以本文将几何机器学习和物理模拟结合起来。

    Feb, 2020

  • 高能物理中的粒子卷积

    介绍了一种新型的粒子卷积网络层 (Particle Convolution Network, PCN)，适用于喷注物理学中的许多任务。在两个标准基准任务中，表明可将 PCN 推广以包括与喷注物理学相关的其他卷积对称性，从而超越图网络设置，同时提供物理驱动的归纳偏差控制的新程度

    Jul, 2021

  • 能量流网络：粒子喷注的深度集合

    此篇文章介绍了如何利用机器学习技术处理粒子物理中的碰撞事件数据，并提出了一种基于深度集合（Deep Sets）框架的粒子流网络（Energy Flow Networks）和粒子流网络（Particle Flow Networks）方法，这些方法能有效地处理碰撞事件数据，对于区分夸克喷流和胶子喷流等任务性能表现出与现有方法相似或更好的结果，并提供了可视化方式解释模型内部的工作。

    Oct, 2018

  • 离散点流网络用于高效点云生成

    该研究论文探讨生成模型在三维点云形状建模方面的应用，提出一种基于归一化流和仿射耦合层的潜在变量模型，用于生成、自编码和单视角形状重构任务，相较最近的基于 GAN 和基于连续流的模型，该模型在训练和推理速度上有明显提升，并在特定指标上实现了优于其他模型的表现，包括单视角形状重构等。

    Jul, 2020

  • ParticleNet：基于粒子云的喷注标记

    本文提出了一种有效地将喷流表示为其组成粒子的无序集合的新方法 “ParticleNet”，该方法可以显式地支持置换对称性，使用这种方法，在两个代表性的喷流标记基准测试中，ParticleNet 的性能达到了最先进水平并显著优于现有方法。

    Feb, 2019