May, 2024

Calo-VQ: 卡路里计模拟中的向量量化两阶段生成模型

PDF
TL;DR我们引入了一种新颖的机器学习方法，用于快速模拟量能器探测器响应，采用了矢量量化变分自动编码器（VQ-VAE）。我们的模型采用两阶段生成策略：首先将具备几何感知的量能器数据压缩成离散的潜空间，然后应用序列模型来学习和生成潜在标记。在 Calo-challenge 数据集上的广泛实验验证了我们方法的高效性，与传统方法相比，生成速度提高了 2000 倍，引人注目的是，我们的模型能够在毫秒内生成量能器沉积。此外，我们进行了综合定量评估，以验证生成的物理性能。
machine learningcalorimeter detector responsevector-quantized variational autoencodergeneration speedphysics performance
发现论文，激发创造
  • 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

  • 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

  • CaloClouds: 高速几何无关高粒度量能器模拟

    这项工作通过使用生成建模中的扩散模型直接生成三维空间中探测器里的能量沉积几千个空间点的点云，从而实现了高精度和速度的粒子模拟，表现出很好的物理相关分布建模。

    May, 2023

  • ALICE、CERN 中质子零度量热器模拟的深度生成模型

    利用生成对抗网络模型以及选择性多样性增强损失来模拟大型强子对撞机中 ALICE 实验的 Zero Degree Calorimeter 产生的探测器响应，从而提供了与传统蒙特卡洛方法相比显著加速的方法。

    Jun, 2024

  • CaloGAN：使用生成对抗网络模拟多层电磁量能器中的三维高能粒子淋浴

    使用生成对抗网络（GANs）的新型快速模拟技术 extsc {CaloGAN}，针对长轴分段式银河系中电磁淋浴进行建模并实现与现有全模拟技术相当甚至更好的 CPU（100x-1000x）和 GPU 上速度快（高达约 10 ^ 5 倍）

    Dec, 2017

  • 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

  • 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

  • SuperCalo: 阈值能量沉积超分辨

    通过使用流式超分辨率模型 SuperCalo，可以快速地将高维的细粒度量能计量器沉降（shower）从粗粒度沉降中提升，从而降低计算成本、内存需求和生成时间。此外，通过 SuperCalo 提升的沉降具有高度的变异性，使得可以从较少的粗粒度沉降中高保真地提升大量高维沉降，进一步减少了生成时间。

    Aug, 2023

  • 利用 VQ-VAE-2 生成多样高保真度图像

    本文探讨矢量量化变分自编码器模型 (VQ-VAE) 进行大规模图像生成的应用，采用自回归先验信息，结合简单前馈编码器和解码器网络，以压缩的潜变量空间进行自动回归模型采样，同时使用多尺度层级 VQ-VAE 进行生成，取得比 Generative Adversarial Networks 更加优秀的样本生成品质。

    Jun, 2019

  • 使用 Wasserstein 生成对抗网络精确模拟电磁量能器淋浴

    本文提出了基于生成式模型的高效粒子淋浴模拟方法，并使用对抗训练的方式训练生成器和评论者网络以生成与 GEANT4 程序模拟类似的粒子淋浴，从而在大多数方面达到了实现高质量粒子淋浴模拟的预期目标。

    Jul, 2018