論文の概要: Particle-based Fast Jet Simulation at the LHC with Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2203.00520v1
• Date: Tue, 1 Mar 2022 15:03:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-02 15:56:35.955460
• Title: Particle-based Fast Jet Simulation at the LHC with Variational Autoencoders
• Title（参考訳）: 可変オートエンコーダを用いたlhcにおける粒子ベース高速ジェットシミュレーション
• Authors: Mary Touranakou, Nadezda Chernyavskaya, Javier Duarte, Dimitrios Gunopulos, Raghav Kansal, Breno Orzari, Maurizio Pierini, Thiago Tomei, Jean-Roch Vlimant
• Abstract要約: 我々はディープ変分オートエンコーダを訓練し、検出後に対応する成分のリストを返す。 本研究は, ジェット4モーメントの高精度化を図り, 構成成分の正確な記述を提供する。
• 参考スコア（独自算出の注目度）: 8.133005882392903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study how to use Deep Variational Autoencoders for a fast simulation of jets of particles at the LHC. We represent jets as a list of constituents, characterized by their momenta. Starting from a simulation of the jet before detector effects, we train a Deep Variational Autoencoder to return the corresponding list of constituents after detection. Doing so, we bypass both the time-consuming detector simulation and the collision reconstruction steps of a traditional processing chain, speeding up significantly the events generation workflow. Through model optimization and hyperparameter tuning, we achieve state-of-the-art precision on the jet four-momentum, while providing an accurate description of the constituents momenta, and an inference time comparable to that of a rule-based fast simulation.
• Abstract（参考訳）: 本研究では,LHCにおける粒子ジェットの高速シミュレーションにDeep Variational Autoencodersを使用する方法について検討した。 我々はジェットをその瞬間を特徴とする構成要素のリストとして表現する。 検出器効果前のジェットのシミュレーションから始まり、検出後に対応する成分のリストを返すようにDeep Variational Autoencoderを訓練する。 そのため、従来の処理チェーンの時間を要する検出器シミュレーションと衝突再構成ステップの両方をバイパスし、イベント生成ワークフローを著しく高速化する。 モデル最適化とハイパーパラメータチューニングにより, 構成成分のモーメントの正確な記述と, 規則ベースの高速シミュレーションに匹敵する推論時間を提供しながら, ジェットフォーモーメントの最先端精度を実現する。

関連論文リスト

• Induced Generative Adversarial Particle Transformers [5.251666338028207]
  高エネルギー物理学において、LHC(Large Hadron Collider)における粒子衝突を正確にシミュレートする効果的な方法として機械学習法が登場した。 MPGANは、衝突を「点」または「粒子」の雲としてシミュレートする最初のモデルであり、最先端の結果が得られたが、二次的な時間の複雑さに悩まされた。 誘導型GAPT (iGAPT) を導入し, 粒子誘導型粒子保持ブロック' と大域ジェット特性の条件付けを統合することにより, 線形時間の複雑さだけでなく, 複雑なジェットサブ構造を捉えることが可能となる。
  論文  参考訳（メタデータ） (2023-12-08T00:02:16Z)
• Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
  亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。 本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
  論文  参考訳（メタデータ） (2023-01-20T12:11:03Z)
• 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)
• Generative Adversarial Networks for the fast simulation of the Time Projection Chamber responses at the MPD detector [0.0]
  このような高速シミュレーションモデルの基礎として,GAN(Generative Adversarial Networks)の適用性を示す。 我々のプロトタイプであるGANベースのTPCモデルは、詳細なシミュレーションに比べて桁違いに高速に動作します。
  論文  参考訳（メタデータ） (2022-03-30T14:31:50Z)
• 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)
• Adaptive Latent Space Tuning for Non-Stationary Distributions [62.997667081978825]
  本稿では,ディープエンコーダ・デコーダ方式cnnの低次元潜在空間の適応チューニング法を提案する。 粒子加速器における時間変動荷電粒子ビームの特性を予測するためのアプローチを実証する。
  論文  参考訳（メタデータ） (2021-05-08T03:50:45Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Simulating the Time Projection Chamber responses at the MPD detector using Generative Adversarial Networks [0.0]
  本研究では、NICA加速器複合体におけるMPD実験のTime Projection Chamberトラッカーのシミュレーションを高速化するための新しいアプローチを実証する。 本手法は,任意の対象の集団分布を暗黙的に非パラメトリックに推定する深層学習手法である,生成型アドレアルネットワークに基づいている。 提案モデルの品質を評価するために,mpdソフトウェアスタックに統合し,詳細なシミュレータと同様の高品質なイベントを生成することを実証する。
  論文  参考訳（メタデータ） (2020-12-08T17:57:37Z)
• 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)

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。