論文の概要: Machine Learning for Particle Flow Reconstruction at CMS

• arxiv url: http://arxiv.org/abs/2203.00330v1
• Date: Tue, 1 Mar 2022 10:11:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-02 20:11:02.503620
• Title: Machine Learning for Particle Flow Reconstruction at CMS
• Title（参考訳）: CMSにおける粒子流再構成のための機械学習
• Authors: Joosep Pata, Javier Duarte, Farouk Mokhtar, Eric Wulff, Jieun Yoo, Jean-Roch Vlimant, Maurizio Pierini, Maria Girone
• Abstract要約: CMSのための機械学習に基づく粒子フローアルゴリズムの実装について詳述する。 このアルゴリズムは、温度計クラスタとトラックに基づいて安定粒子を再構成し、グローバルなイベント再構成を提供する。
• 参考スコア（独自算出の注目度）: 7.527568379083754
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We provide details on the implementation of a machine-learning based particle flow algorithm for CMS. The standard particle flow algorithm reconstructs stable particles based on calorimeter clusters and tracks to provide a global event reconstruction that exploits the combined information of multiple detector subsystems, leading to strong improvements for quantities such as jets and missing transverse energy. We have studied a possible evolution of particle flow towards heterogeneous computing platforms such as GPUs using a graph neural network. The machine-learned PF model reconstructs particle candidates based on the full list of tracks and calorimeter clusters in the event. For validation, we determine the physics performance directly in the CMS software framework when the proposed algorithm is interfaced with the offline reconstruction of jets and missing transverse energy. We also report the computational performance of the algorithm, which scales approximately linearly in runtime and memory usage with the input size.
• Abstract（参考訳）: CMSのための機械学習に基づく粒子フローアルゴリズムの実装について詳述する。 標準粒子流アルゴリズムは、熱量計のクラスターと軌道に基づいて安定な粒子を再構成し、複数の検出器サブシステムの複合情報を利用する大域的なイベント再構成を提供する。 我々は,グラフニューラルネットワークを用いたGPUなどの異種コンピューティングプラットフォームへの粒子フローの進化の可能性について検討した。 マシン学習型PFモデルは、イベント中のトラックとカロリークラスタの全リストに基づいて、粒子候補を再構成する。 検証のために,提案するアルゴリズムがジェットのオフライン再構成と横エネルギーの欠如と相互作用する場合,cmsソフトウェアフレームワークの物理性能を直接決定する。 また,実行時とメモリ使用時をほぼ線形にスケールするアルゴリズムの計算性能を,入力サイズとともに報告する。

関連論文リスト

• Improved particle-flow event reconstruction with scalable neural networks for current and future particle detectors [1.4609888393206634]
  電子-陽電子衝突における事象再構成のためのスケーラブルな機械学習モデルについて, フル検出器シミュレーションに基づく検討を行った。 グラフニューラルネットワークとカーネルベースのトランスフォーマーを比較し、現実的な再構築を実現しつつ、操作を回避できることを実証する。 最良のグラフニューラルネットワークモデルでは、ルールベースのアルゴリズムと比較して、ジェット横運動量分解能が最大50%向上している。
  論文  参考訳（メタデータ） (2023-09-13T08:16:15Z)
• Randomized Polar Codes for Anytime Distributed Machine Learning [66.46612460837147]
  本稿では,低速な計算ノードに対して堅牢で,線形演算の近似計算と精度の両立が可能な分散コンピューティングフレームワークを提案する。 本稿では,復号化のための計算複雑性を低く保ちながら,実数値データを扱うための逐次復号アルゴリズムを提案する。 大規模行列乗算やブラックボックス最適化など,様々な文脈において,このフレームワークの潜在的な応用を実証する。
  論文  参考訳（メタデータ） (2023-09-01T18:02:04Z)
• Progress towards an improved particle flow algorithm at CMS with machine learning [8.3763093941108]
  CERN LHCにおけるCMS実験において、粒子流(PF)はイベント再構成において中心的な重要性を持つ。 近年,PF再構成を行うグラフニューラルネットワークであるMLPFアルゴリズムをCMSで探索している。 我々は,生成/シミュレーションレベルの粒子情報を用いて最適化されたアルゴリズムF再構成の実装に向けたCMSの進歩について論じる。 これにより、物理量の観点から検出器の応答を潜在的に改善する道が開ける。
  論文  参考訳（メタデータ） (2023-03-30T18:41:28Z)
• Transformer with Implicit Edges for Particle-based Physics Simulation [135.77656965678196]
  Implicit Edges (TIE) を用いたトランスフォーマーは、素粒子相互作用のリッチなセマンティクスをエッジフリーでキャプチャする。 様々な複雑さと素材の多様な領域におけるモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-07-22T03:45:29Z)
• Explaining machine-learned particle-flow reconstruction [0.0]
  粒子流(PF)アルゴリズムは、衝突の包括的粒子レベルビューを再構築するために汎用粒子検出器で使用される。 機械学習粒子フロー(MLPF)アルゴリズムとして知られるグラフニューラルネットワーク(GNN)モデルが,規則に基づくPFアルゴリズムの代替として開発された。
  論文  参考訳（メタデータ） (2021-11-24T23:20:03Z)
• Adaptive Machine Learning for Time-Varying Systems: Low Dimensional Latent Space Tuning [91.3755431537592]
  本稿では,時間変化システムを対象とした適応機械学習手法を提案する。 我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。 そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
  論文  参考訳（メタデータ） (2021-07-13T16:05:28Z)
• Learning Optical Flow from a Few Matches [67.83633948984954]
  密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。 実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
  論文  参考訳（メタデータ） (2021-04-05T21:44:00Z)
• Physics and Computing Performance of the Exa.TrkX TrackML Pipeline [0.0]
  本論文では、Exa.TrkXパイプラインの物理性能と計算性能を研究するために必要な開発を文書化する。 パイプラインは、生産追跡アルゴリズムに似たトラッキング効率と純度を実現します。
  論文  参考訳（メタデータ） (2021-03-11T23:10:18Z)
• MLPF: Efficient machine-learned particle-flow reconstruction using graph neural networks [0.0]
  汎用粒子検出器では、粒子フローアルゴリズムを用いて事象の粒子レベルビューを再構築することができる。 並列化可能,スケーラブル,グラフニューラルネットワークに基づく,エンドツーエンドのトレーニング可能,マシン学習型粒子フローアルゴリズムを提案する。 陽子-陽子衝突で生成したトップクォーク-反クォーク対のモンテカルロデータセット上で,アルゴリズムの物理および計算性能について報告する。
  論文  参考訳（メタデータ） (2021-01-21T12:47:54Z)
• Learning to Simulate Complex Physics with Graph Networks [68.43901833812448]
  本稿では,機械学習のフレームワークとモデルの実装について紹介する。 グラフネットワーク・ベース・シミュレータ(GNS)と呼ばれる我々のフレームワークは、グラフ内のノードとして表現された粒子で物理系の状態を表現し、学習されたメッセージパスによって動的を計算します。 我々のモデルは,訓練中に数千の粒子による1段階の予測から,異なる初期条件,数千の時間ステップ,少なくとも1桁以上の粒子をテスト時に一般化できることを示す。
  論文  参考訳（メタデータ） (2020-02-21T16:44:28Z)
• On Coresets for Support Vector Machines [61.928187390362176]
  coresetは、元のデータポイントの小さな、代表的なサブセットである。 我々は,本アルゴリズムを用いて,既製のSVMソルバをストリーミング,分散,動的データ設定に適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-15T23:25:12Z)

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。