論文の概要: Deep learning techniques for energy clustering in the CMS ECAL

• arxiv url: http://arxiv.org/abs/2204.10277v1
• Date: Thu, 21 Apr 2022 17:23:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-22 15:05:30.291226
• Title: Deep learning techniques for energy clustering in the CMS ECAL
• Title（参考訳）: CMS ECALにおけるエネルギークラスタリングのためのディープラーニング技術
• Authors: Davide Valsecchi
• Abstract要約: CMSにおける電子と光子の再構成は、入射粒子によって堆積されたエネルギーのトポロジカルクラスタリングに依存する。 グラフニューラルネットワーク(GNN)や自己認識アルゴリズムといった最先端のディープラーニングアーキテクチャを活用する新しい手法が研究されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The reconstruction of electrons and photons in CMS depends on topological clustering of the energy deposited by an incident particle in different crystals of the electromagnetic calorimeter (ECAL). These clusters are formed by aggregating neighbouring crystals according to the expected topology of an electromagnetic shower in the ECAL. The presence of upstream material (beampipe, tracker and support structures) causes electrons and photons to start showering before reaching the calorimeter. This effect, combined with the 3.8T CMS magnetic field, leads to energy being spread in several clusters around the primary one. It is essential to recover the energy contained in these satellite clusters in order to achieve the best possible energy resolution for physics analyses. Historically satellite clusters have been associated to the primary cluster using a purely topological algorithm which does not attempt to remove spurious energy deposits from additional pileup interactions (PU). The performance of this algorithm is expected to degrade during LHC Run 3 (2022+) because of the larger average PU levels and the increasing levels of noise due to the ageing of the ECAL detector. New methods are being investigated that exploit state-of-the-art deep learning architectures like Graph Neural Networks (GNN) and self-attention algorithms. These more sophisticated models improve the energy collection and are more resilient to PU and noise, helping to preserve the electron and photon energy resolution achieved during LHC Runs 1 and 2. This work will cover the challenges of training the models as well the opportunity that this new approach offers to unify the ECAL energy measurement with the particle identification steps used in the global CMS photon and electron reconstruction.
• Abstract（参考訳）: CMSにおける電子と光子の再構成は、電磁気量計(ECAL)の異なる結晶における入射粒子によって堆積されたエネルギーのトポロジカルクラスタリングに依存する。 これらのクラスターは、ECALの電磁シャワーの期待したトポロジーに従って、隣接する結晶を凝集することによって形成される。 上流の物質(ビームパイプ、トラッカー、支持構造)の存在により、電子や光子が熱量計に到達する前にシャワーを浴び始める。 この効果は3.8TのCMS磁場と組み合わされ、一次の周囲の複数のクラスターにエネルギーが拡散する。 物理解析に最適なエネルギー分解能を達成するためには、これらの衛星クラスターに含まれるエネルギーを回収することが不可欠である。 歴史的に衛星クラスターは、追加の積み上げ相互作用(pu)からスプリアスエネルギーの堆積を取り除くことを試みない純粋トポロジカルアルゴリズムを用いて一次クラスターに関連付けられている。 このアルゴリズムの性能は、平均PUレベルが大きく、ECAL検出器の老朽化によるノイズレベルの増加により、LHC Run 3 (2022+)で劣化することが期待されている。 グラフニューラルネットワーク(GNN)や自己認識アルゴリズムといった最先端のディープラーニングアーキテクチャを活用する新しい手法が研究されている。 これらのより洗練されたモデルはエネルギー収集を改善し、PUとノイズに対する耐性を高め、LHCラン1と2で達成された電子と光子エネルギーの分解能を維持するのに役立つ。 この研究は、モデルのトレーニングの課題と、この新しいアプローチがECALエネルギー測定とグローバルCMS光子と電子再構成で使われる粒子識別ステップを統一する機会をカバーします。

関連論文リスト

• Reconstruction of Particle Flow Energy Distribution Using Deep Learning Algorithms [8.5980103509356]
  近年の進歩は、エネルギーマップ再構築のための様々なサブ検出器からの熱量計画像の深層学習による処理である。 本稿では,従来のアルゴリズム-MLP,CNN,U-Net,RNN-を,自己注意と3D畳み込みモジュールを含む変種と比較する。 ジェットイベントのテストデータセットを使用して、異常な高エネルギーイベントを扱う際のモデルの性能を分析し、比較する。
  論文  参考訳（メタデータ） (2024-10-08T11:49:18Z)
• Lowering the Exponential Wall: Accelerating High-Entropy Alloy Catalysts Screening using Local Surface Energy Descriptors from Neural Network Potentials [0.0]
  本研究では, 単金属系からのデータを用いたHEA特性の迅速予測法を提案する。 我々は古典機械学習と量子機械学習の両方を用いて高精度モデルを開発した。 提案手法は, HEA化学空間の探索を加速し, 新規触媒の設計を容易にする。
  論文  参考訳（メタデータ） (2024-04-12T11:54:06Z)
• Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
  一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。 耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。 距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
  論文  参考訳（メタデータ） (2024-02-22T16:33:48Z)
• Platinum-based Catalysts for Oxygen Reduction Reaction simulated with a Quantum Computer [2.8866494528688555]
  水素は有望なエネルギー源として現れ、低炭素で持続可能な移動を可能にする鍵を握っている。 ここでは、古典的および量子的な計算手法を組み合わせて、純白金および白金/コバルト表面上のORRを調べる先駆的な研究を提案する。 その結果、コバルト含有触媒に強く相関する種が関与していることが明らかとなり、将来の応用における量子優位性を示すための理想的な候補としての可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-28T21:49:00Z)
• Ab initio electron-lattice downfolding: potential energy landscapes, anharmonicity, and molecular dynamics in charge density wave materials [0.0]
  計算上の課題は、特に大規模システム、長期スケール、非平衡系、強い相関関係を持つシステムにおいて発生する。 本研究は, 電子面の電子的特性と原子核運動のシミュレーションを促進するために, ダウンフォールディングアプローチが, 電子面の複雑さの低減をいかに促進するかを示す。
  論文  参考訳（メタデータ） (2023-03-13T16:41:37Z)
• Photonic Quantum Computing For Polymer Classification [62.997667081978825]
  2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。 高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2022-11-22T11:59:52Z)
• Electromagnetically induced transparency in inhomogeneously broadened divacancy defect ensembles in SiC [52.74159341260462]
  電磁誘導透過 (EIT) は、光信号と電子スピンの量子コヒーレンスの間に強く堅牢な相互作用を与える現象である。 この材料プラットフォームにおいても,計測幾何学の慎重に設計した上で,EITを高視認性で確立できることが示される。 本研究は,多層システムにおけるEITの非均一性に対する理解を提供し,半導体の幅広い欠陥に対する考察である。
  論文  参考訳（メタデータ） (2022-03-18T11:22:09Z)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• Demonstration of electron-nuclear decoupling at a spin clock transition [54.088309058031705]
  クロック遷移は磁気ノイズから分子スピン量子ビットを保護する。 核自由度への線形結合は、電子コヒーレンスの変調と崩壊を引き起こす。 核浴への量子情報漏洩がないことは、他のデコヒーレンス源を特徴づける機会を与える。
  論文  参考訳（メタデータ） (2021-06-09T16:23:47Z)
• Resource Efficient Chemistry on Quantum Computers with the Variational Quantum Eigensolver and The Double Unitary Coupled-Cluster approach [0.0]
  量子ビットの数は分子基底の大きさに比例して線形にスケールすることを示す。 我々は、相関効果を小さくする軌道空間に効果的にダウンフォールドさせるために、Double Unitary coupled-cluster (DUCC)法を用いる。 ダウンフォールディング法を用いて、適切に構築された実効ハミルトニアンは、小型の活性空間における全軌道空間の効果を捉えることができることを示した。
  論文  参考訳（メタデータ） (2020-04-16T15:59:15Z)
• Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
  表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。 動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
  論文  参考訳（メタデータ） (2020-01-15T19:00:01Z)

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。