Fugu-MT 論文翻訳(概要): CaloFlow for CaloChallenge Dataset 1

論文の概要: CaloFlow for CaloChallenge Dataset 1

arxiv url: http://arxiv.org/abs/2210.14245v3
Date: Wed, 15 May 2024 20:56:03 GMT
ステータス: 処理完了
システム内更新日: 2024-05-17 19:53:36.293390
Title: CaloFlow for CaloChallenge Dataset 1
Title（参考訳）: CaloFlow for CaloChallenge Dataset 1
Authors: Claudius Krause, Ian Pang, David Shih,
Abstract要約: CaloFlowは、正規化フローに基づく高速カロリーメータシミュレーションのための、新しくて有望なアプローチである。 Geant4より数桁高速なサンプリング時間で高忠実度サンプルを生成する方法を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: CaloFlow is a new and promising approach to fast calorimeter simulation based on normalizing flows. Applying CaloFlow to the photon and charged pion Geant4 showers of Dataset 1 of the Fast Calorimeter Simulation Challenge 2022, we show how it can produce high-fidelity samples with a sampling time that is several orders of magnitude faster than Geant4. We demonstrate the fidelity of the samples using calorimeter shower images, histograms of high-level features, and aggregate metrics such as a classifier trained to distinguish CaloFlow from Geant4 samples.
Abstract（参考訳）: CaloFlowは、正規化フローに基づく高速カロリーメータシミュレーションのための、新しくて有望なアプローチである。高速カロリメータシミュレーションチャレンジ2022のデータセット1の光子と荷電ピオンGeant4シャワーにCaloFlowを適用することで、Geant4より数桁速いサンプリング時間で高忠実度サンプルを作成できることを示す。本研究では,Geant4試料からCaloFlowを識別するために訓練された分類器などの指標を,カロリーメータのシャワー画像,高次特徴のヒストグラムを用いて示す。

関連論文リスト

Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM) iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
論文参考訳（メタデータ） (2024-02-09T01:11:23Z)
Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文参考訳（メタデータ） (2023-10-01T05:07:17Z)
CaloClouds II: Ultra-Fast Geometry-Independent Highly-Granular Calorimeter Simulation [0.0]
生成する機械学習モデルは、物理解析において従来のシミュレーションチェーンをスピードアップし、拡張することが示されている。主要な進歩として最近導入されたCaloCloudsモデルがあり、予想される国際大型検出器(ILD)の電磁熱量計のための点雲としてカロリーメータシャワーを生成する。この記事では、多数の重要な改善が加えられたCaloClouds IIを紹介します。これには、連続的なスコアベースのモデリングが含まれています。これにより、CaloCloudsに匹敵する25ステップのサンプリングが可能になり、単一のCPU上でGeant4よりも6倍のスピードアップを実現します。
論文参考訳（メタデータ） (2023-09-11T18:00:02Z)
Comparison of Point Cloud and Image-based Models for Calorimeter Fast Simulation [48.26243807950606]
2つの最先端スコアベースのモデルが、同じカロリーメータのシミュレーションに基づいてトレーニングされ、直接比較される。生成モデルは、高次元のカロリーメーターデータセットを正確に生成することが示されている新しい生成モデルのクラスである。
論文参考訳（メタデータ） (2023-07-10T08:20:45Z)
Parallel Sampling of Diffusion Models [76.3124029406809]
拡散モデルは強力な生成モデルであるが、サンプリングが遅い。そこで本研究では,複数のステップを並列にdenoisingすることで,事前学習した拡散モデルのサンプリングを高速化するParaDiGMSを提案する。
論文参考訳（メタデータ） (2023-05-25T17:59:42Z)
Inductive Simulation of Calorimeter Showers with Normalizing Flows [0.0]
iCaloFlowは、連続したカロリー層内のエネルギー蓄積パターンに基づいて訓練された、誘導型正規化フローに基づく高速検出器シミュレーションのためのフレームワークである。示すように、iCaloFlowは、以前考えられていたよりも10倍から100倍高い検出器測地上で高速で高忠実なシミュレーションを行う際に、フローを正規化する可能性を実現することができる。
論文参考訳（メタデータ） (2023-05-19T18:00:00Z)
Score-based Generative Models for Calorimeter Shower Simulation [2.0813318162800707]
カロスコア(CaloScore)は、カロリーメータのシャワー発生に応用したコライダー物理のためのスコアベース生成モデルである。 CaloScoreは、コライダー物理学におけるスコアベースの生成モデルの最初の応用であり、全てのデータセットに対して高忠実度カロリー画像を生成することができる。
論文参考訳（メタデータ） (2022-06-17T18:01:02Z)
CaloFlow II: Even Faster and Still Accurate Generation of Calorimeter Showers with Normalizing Flows [0.0]
近年,正規化フローに基づくGEANT4カロリーシャワーエミュレーションのための高忠実度生成モデルであるCaloFlowを紹介した。ここでは、元のフレームワークの改善であるCaloFlow v2を紹介します。
論文参考訳（メタデータ） (2021-10-21T18:00:04Z)
SCFlow: Optical Flow Estimation for Spiking Camera [50.770803466875364]
スパイキングカメラは、特に高速シーンのモーション推定において、現実の応用において大きな可能性を秘めている。光フロー推定は画像ベースおよびイベントベースの視覚において顕著な成功を収めているが、既存の手法はスパイクカメラからのスパイクストリームに直接適用することはできない。本稿では、スパイキングカメラのための光フロー推定のための新しいディープラーニングパイプラインSCFlowについて述べる。
論文参考訳（メタデータ） (2021-10-08T06:16:45Z)
CaloFlow: Fast and Accurate Generation of Calorimeter Showers with Normalizing Flows [0.0]
正規化フローに基づく高速検出器シミュレーションフレームワークであるCaloFlowを紹介する。本研究は, フローの正規化により, 極めて高い忠実度で多チャンネルのカロリーメータシャワーを再現できることを初めて実証した。
論文参考訳（メタデータ） (2021-06-09T18:00:02Z)
Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文参考訳（メタデータ） (2021-01-19T16:14:02Z)

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。