論文の概要: Graph Generative Models for Fast Detector Simulations in High Energy Physics

• arxiv url: http://arxiv.org/abs/2104.01725v1
• Date: Mon, 5 Apr 2021 00:27:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-07 00:51:05.060100
• Title: Graph Generative Models for Fast Detector Simulations in High Energy Physics
• Title（参考訳）: 高エネルギー物理における高速検出器シミュレーションのためのグラフ生成モデル
• Authors: Ali Hariri, Darya Dyachkova and Sergei Gleyzer
• Abstract要約: 検出器との粒子相互作用のシミュレーションは時間がかかり、計算に費用がかかる。 HL-LHCのアップグレードは、コンピューティングインフラストラクチャに大きな負担をかけます。 LHCイベントを効果的に再現するグラフ生成モデルについて論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate and fast simulation of particle physics processes is crucial for the high-energy physics community. Simulating particle interactions with detectors is both time consuming and computationally expensive. With the proton-proton collision energy of 13 TeV, the Large Hadron Collider is uniquely positioned to detect and measure the rare phenomena that can shape our knowledge of new interactions. The High-Luminosity Large Hadron Collider (HL-LHC) upgrade will put a significant strain on the computing infrastructure due to increased event rate and levels of pile-up. Simulation of high-energy physics collisions needs to be significantly faster without sacrificing the physics accuracy. Machine learning approaches can offer faster solutions, while maintaining a high level of fidelity. We discuss a graph generative model that provides effective reconstruction of LHC events, paving the way for full detector level fast simulation for HL-LHC.
• Abstract（参考訳）: 粒子物理学プロセスの高精度かつ高速なシミュレーションは、高エネルギー物理学コミュニティにとって不可欠である。 検出器との粒子相互作用のシミュレーションには時間と計算コストがかかる。 13tevの陽子-陽子衝突エネルギーを持つ大ハドロン衝突型加速器は、新しい相互作用に関する我々の知識を形作る珍しい現象を検出し測定するためにユニークな位置にある。 HL-LHC(Large-Luminosity Large Hadron Collider)のアップグレードは、イベント率と上昇レベルの増加により、コンピューティングインフラストラクチャに大きな負担をかけることになる。 高エネルギー物理衝突のシミュレーションは、物理精度を犠牲にすることなく大幅に高速に行う必要がある。 機械学習アプローチは、高いレベルの忠実さを維持しながら、より高速なソリューションを提供することができる。 HL-LHCにおける全検出器レベルの高速シミュレーションを実現するため,LHCイベントを効果的に再現するグラフ生成モデルについて論じる。

関連論文リスト

• Generative Diffusion Models for Fast Simulations of Particle Collisions at CERN [3.2686289567336235]
  高エネルギー物理シミュレーションでは、CERNの大型ハドロン衝突型加速器における粒子衝突実験の複雑さの解明に重要な役割を果たしている。 近年の進歩は、最先端の生成機械学習手法として拡散モデルの有効性を強調している。 拡散モデルに基づくALICE実験において,Zero Degree Calorimeter (ZDC) のシミュレーションを行った。
  論文  参考訳（メタデータ） (2024-06-05T13:11:53Z)
• A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
  本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。 CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。 その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T22:05:17Z)
• CaloQVAE : Simulating high-energy particle-calorimeter interactions using hybrid quantum-classical generative models [1.6418406210795666]
  検出器のカロリー領域を伝播する高エネルギー粒子のモデリングは、最も計算集約的なMCシミュレーションタスクである。 本稿では,高エネルギー粒子-カロリメータ相互作用の高速かつ効率的なシミュレーションのための生成モデルと量子アニールの最近の進歩を組み合わせた手法を提案する。
  論文  参考訳（メタデータ） (2023-12-05T23:05:36Z)
• Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
  本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。 我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
  論文  参考訳（メタデータ） (2023-05-21T03:51:03Z)
• A Full Quantum Generative Adversarial Network Model for High Energy Physics Simulations [0.0]
  我々は,8ピクセルの小型キャラクタリメータシャワー画像を生成するために,GANモデルを開発した。 従来の量子モデルよりも有利な点は、このモデルがピクセルエネルギー値を含む実際の個々の画像を生成することである。 完全量子GANモデルの結果は、古典的判別器ニューラルネットワークを用いたハイブリッド量子古典モデルと比較される。
  論文  参考訳（メタデータ） (2023-05-12T06:57:31Z)
• On Fast Simulation of Dynamical System with Neural Vector Enhanced Numerical Solver [59.13397937903832]
  ニューラルベクトル(NeurVec)と呼ばれる深層学習に基づく補正手法を提案する。 NeurVecは、統合エラーを補償し、シミュレーションでより大きなタイムステップサイズを可能にする。 様々な複雑な力学系ベンチマークの実験により、NeurVecは顕著な一般化能力を示すことが示された。
  論文  参考訳（メタデータ） (2022-08-07T09:02:18Z)
• First design of a superconducting qubit for the QUB-IT experiment [50.591267188664666]
  QUB-ITプロジェクトの目標は、量子非破壊(QND)測定と絡み合った量子ビットを利用した、反復的な単一光子カウンタを実現することである。 本稿では,Qiskit-Metalを用いた共振器に結合したトランスモン量子ビットからなる第1の超伝導デバイスの設計とシミュレーションを行う。
  論文  参考訳（メタデータ） (2022-07-18T07:05:10Z)
• Nuclear two point correlation functions on a quantum-computer [105.89228861548395]
  我々は、現在の量子ハードウェアとエラー軽減プロトコルを使用して、高度に単純化された核モデルに対する応答関数を計算する。 この研究では、現在の量子ハードウェアとエラー軽減プロトコルを用いて、4つの格子上に3つの区別可能な核子を持つ2次元のフェルミ・ハバードモデルに対する応答関数を計算する。
  論文  参考訳（メタデータ） (2021-11-04T16:25:33Z)
• Quantum speedup for track reconstruction in particle accelerators [51.00143435208596]
  我々は,各局所追跡法に存在する基本ルーチンを4つ同定し,標準追跡アルゴリズムの文脈でどのようにスケールするかを解析する。 発見された量子スピードアップは穏やかだが、これは私たちの知識の中でも最高のものであり、高エネルギーの物理データ処理タスクに対する量子上の優位性の最初の厳密な証拠である。
  論文  参考訳（メタデータ） (2021-04-23T13:32:14Z)
• Data Augmentation at the LHC through Analysis-specific Fast Simulation with Deep Learning [4.666011151359189]
  本稿では,大規模解析用データセットを作成するために設計されたディープニューラルネットワークに基づく高速シミュレーションアプリケーションを提案する。 本稿では,大量のジェネレータレベルのイベントから始まる高速シミュレーションワークフローを提案する。
  論文  参考訳（メタデータ） (2020-10-05T07:48:45Z)
• Generative Adversarial Networks for LHCb Fast Simulation [0.7106986689736827]
  LHCb生成モデルは、チェレンコフ検出器の温度計および高レベル応答におけるシャワーの発生を加速するために研究されている。 提案手法は,高速化とともに高忠実度な結果をもたらすことを実証し,これらの結果がもたらす影響について考察する。
  論文  参考訳（メタデータ） (2020-03-21T22:46:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。