关键词high energy particle physics
搜索结果 - 2
- 条件归一化流在优化权重重构中的应用
通过条件归一化流来学习完整条件概率分布以匹配目标分布,消除模拟样本中的误建模,较之常见的重新加权技术,该方法独立于分组选择且不依赖于两个分布之间密度比率的估计,其可以提供高达三倍的统计精度,同时在高能粒子物理应用领域也具有一定的潜力。
- 通过示例学习粒子物理学:基于位置感知的生成式对抗网络用于物理合成
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。