high energy physics | BriefGPT

关键词high energy physics

搜索结果 - 24

用于快速模拟 CERN 粒子碰撞的生成扩散模型
利用扩散模型，我们首次使用模拟方法对 ALICE 实验中的 Zero Degree Calorimeter（ZDC）进行了模拟，与现有基线相比实现了最高保真度，结果表明潜在扩散模型具有快速生成时间的显著潜力。
PDFa month ago
BUFF：基于提升决策树的超快速流匹配
基于树模型优于深度学习模型在处理表格数据任务方面的表现，我们采用条件流匹配生成模型并使用不同技术融合了 Gradient Boosted Trees 的使用，通过在多个公共数据集上进行多个分析任务的评估，展示了大多数高级仿真任务的训练和推理
PDF2 months ago
高能物理领域的混合量子视觉变形器用于事件分类
基于视觉变换器架构的模型在图像分类任务中被认为是最先进的。本文构建了几种量子混合视觉变换器的变体，用于高能物理中的分类问题，并将它们与经典视觉变换器架构进行了测试。我们的研究结果表明，在参数数量相似的情况下，混合模型可以达到与经典模型类似的
PDF5 months ago
基于细调基础模型的联合分析优化
高能物理学中的重建与分析可以通过采用现代机器学习工作流程（如预训练、微调、领域适应和高维嵌入空间）超越顺序优化或重建分析组件的标准范例，实现性能和数据效率的显著提升。
PDF5 months ago
基于集合的遮蔽粒子建模：面向自监督高能物理基础模型
提出了一种用于学习高能物理科学数据中无序输入的通用、可迁移和可重用表示的自监督方法，即掩蔽粒子建模（MPM）。通过在集合上执行基于掩蔽建模的预训练，该方法提供了一种学习置换不变函数的新方案。此外，该研究还展示了该模型的微调能力以及在新的类别
PDF5 months ago
引发式生成对抗粒子变换器
高能物理领域中，机器学习方法在准确模拟大型强子对撞机中的粒子碰撞方面发挥了重要作用。我们引入了一种新的模型 iGAPT，它通过整合 “诱导性粒子注意力模块” 并以全局喷注属性为条件，不仅具有线性时间复杂度，还能捕捉复杂的喷注子结构，在许多指
PDF7 months ago
深度树生成对抗网络 v2：点云的迭代池化
本文介绍了一种扩展了 DeepTreeGAN 的模型，其中包含一个评论者，它能够以基于树的方式迭代地聚合点云，模拟高能物理中的粒子模拟与探测器相互作用，以实现快速生成大规模点云，并准确建模粒子之间的复杂依赖关系。我们展示了该模型能够重现复杂
PDF7 months ago
利用深度三维卷积神经网络直接从高能物理数据中提取 BSM 物理参数的训练：基于蒙特卡洛模拟的概念验证研究
使用计算机视觉技术从高能物理学的味道数据中直接提取超出标准模型（BSM）参数的一种新的应用，通过将角度和动力学分布转化为 “准图像”，训练卷积神经网络执行回归任务，与在高能物理学中使用机器学习 / 人工智能进行的通常分类功能相对应。
PDF8 months ago
NFLikelihood：基于归一化流的无监督 DNNLikelihood
我们提出了 NFLikelihood，这是一种基于 Normalizing Flows 的无监督版本的 DNNLikelihood，通过现实例子展示了基于仿射和有理二次样条双射的自回归流如何学习出现在高能物理分析中的复杂高维似然。我们聚焦于
PDF10 months ago
一棵树的枝干：对高能物理编程中的离散和分支随机性进行导数
我们提出应用几种梯度估计技术，以实现在高能物理中对具有离散随机性的程序进行微分。这样的程序在高能物理中很常见，因为存在分支过程和基于聚类的分析。因此，对这种程序进行微分可以为基于梯度的优化在探测器设计优化、模拟器调整或数据分析和重建优化方面
PDF10 months ago
利用神经形态计算进行高能物理实验的传感器数据过滤
本文研究了基于神经形态计算的尖峰神经网络（SNN）模型，用于过滤在高能物理实验中使用的传感器电子学数据。我们提出了一种开发紧凑型神经形态模型的方法，该模型根据粒子的横向动量过滤传感器数据，以减少发送到下游电子设备的数据量。传入的电荷波形被转
PDFa year ago
Snowmass 2021 计算前沿 CompF03 专题组报告：机器学习
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
PDF2 years ago
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
PDF3 years ago
粒子物理机器学习的现状回顾
本文旨在提供机器学习和深度学习应用于高能物理实验、现象学和理论分析研究的引用文章，并将不断更新以纳入最新发展。
PDF3 years ago
混合量子经典图卷积网络
本研究提出一个混合量子经典图卷积网络 (QGCNN) 来处理高能物理数据中的稀疏数据，其在参数数量方面比经典多层感知器和卷积神经网络具有优势，并且在测试准确性方面与量子卷积神经网络相当。同时，研究表明探究图卷积操作和其他量子机器学习模型的应
PDF3 years ago
高能物理数据上的量子启发式机器学习
本文介绍如何应用张量网络作为量子启发机器学习技术，有效地分类来自 CERN 的大型强子对撞机数据，特别是分类所谓的 b - 喷注，并解释分类结果。同时，还认为张量网络在学习过程中根据所获取到的信息选择重要的特征并调整网络结构，在不需要重复学
PDF4 years ago
多元新物理学习
本文介绍一种使用多层感知器在大型多变量数据集中检测偏差的方法，该方法设计灵敏度高且不需要任何先验假设，并在高能物理问题中得到了应用验证。
PDF5 years ago
跟踪机器学习挑战：精度阶段
采用众包和机器学习等方法，解决粒子轨迹跟踪等高能物理实验中的难题，并在跟踪机器学习挑战赛中得出了一些算法结果。
PDF5 years ago
实用统计学
讨论在高能物理分析中出现的统计问题，重要的是要投入大量的人力和资金来进行好的数据统计分析，以提取出最佳信息。
PDF7 years ago
HEPData：高能物理数据的存储库
Durham High Energy Physics Database (HEPData) has been rebuilt using modern computing technologies, resulting in a new o
PDF7 years ago