論文の概要: Configurable calorimeter simulation for AI applications

• arxiv url: http://arxiv.org/abs/2303.02101v1
• Date: Fri, 3 Mar 2023 17:35:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 14:03:03.317827
• Title: Configurable calorimeter simulation for AI applications
• Title（参考訳）: AI応用のための構成可能なカロリーメータシミュレーション
• Authors: Francesco Armando Di Bello, Anton Charkin-Gorbulin, Kyle Cranmer, Etienne Dreyer, Sanmay Ganguly, Eilam Gross, Lukas Heinrich, Lorenzo Santi, Marumi Kado, Nilotpal Kakati, Patrick Rieck, Matteo Tusoni
• Abstract要約: AI(COCOA)アプリケーションのためのカロリーメータシミュレーションを、textscGeant4ツールキットに基づいて提示し、textscPythiaイベントジェネレータとインターフェースする。 このオープンソースプロジェクトは、高エネルギー物理学における機械学習アルゴリズムの開発を支援することを目的としている。
• 参考スコア（独自算出の注目度）: 5.018182105003667
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A configurable calorimeter simulation for AI (COCOA) applications is presented, based on the \textsc{Geant4} toolkit and interfaced with the \textsc{Pythia} event generator. This open-source project is aimed to support the development of machine learning algorithms in high energy physics that rely on realistic particle shower descriptions, such as reconstruction, fast simulation, and low-level analysis. Specifications such as the granularity and material of its nearly hermetic geometry are user-configurable. The tool is supplemented with simple event processing including topological clustering, jet algorithms, and a nearest-neighbors graph construction. Formatting is also provided to visualise events using the Phoenix event display software.
• Abstract（参考訳）: AI(COCOA)アプリケーションのための構成可能なカロリーメータシミュレーションを, \textsc{Geant4}ツールキットに基づいて提示し, \textsc{Pythia}イベントジェネレータとインターフェースする。 このオープンソースプロジェクトは、再構成、高速シミュレーション、低レベル解析などの現実的な粒子シャワー記述に依存する高エネルギー物理学における機械学習アルゴリズムの開発を支援することを目的としている。 概エルメティック幾何学の粒度や材料などの仕様はユーザ設定可能である。 このツールは、トポロジカルクラスタリング、jetアルゴリズム、最も近いneighborsグラフ構築を含む単純なイベント処理で補完される。 また、Phoenixイベント表示ソフトウェアを使用してイベントを視覚化する。

関連論文リスト

• EnergyPlus Room Simulator [0.34263545581620375]
  本研究では, 室内環境シミュレーションを行うEnergyPlus Room Simulatorについて述べる。 室内モデルを変更し、温度、湿度、CO2濃度などの様々な要因をシミュレートすることができる。 このツールは、シミュレーションデータへの高速なアクセスを容易にすることで、部屋レベルでの占有検知などの科学的、建築関連のタスクを支援することを目的としている。
  論文  参考訳（メタデータ） (2024-10-25T07:57:23Z)
• GIC: Gaussian-Informed Continuum for Physical Property Identification and Simulation [60.33467489955188]
  本稿では,視覚的観察を通して物理特性(システム同定)を推定する問題について検討する。 物理特性推定における幾何学的ガイダンスを容易にするために,我々は新しいハイブリッドフレームワークを提案する。 本研究では,3次元ガウス点集合としてオブジェクトを復元する動き分解に基づく動的3次元ガウスフレームワークを提案する。 抽出された物体表面に加えて、ガウスインフォームド連続体はシミュレーション中の物体マスクのレンダリングを可能にする。
  論文  参考訳（メタデータ） (2024-06-21T07:37:17Z)
• Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
  我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。 本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
  論文  参考訳（メタデータ） (2024-06-12T14:56:56Z)
• Informal Safety Guarantees for Simulated Optimizers Through Extrapolation from Partial Simulations [0.0]
  自己教師付き学習は、最先端の言語モデリングのバックボーンである。 自己教師付きデータセットにおける予測損失を伴うトレーニングはシミュレータを引き起こすと論じられている。
  論文  参考訳（メタデータ） (2023-11-29T09:32:56Z)
• A modular software framework for the design and implementation of ptychography algorithms [55.41644538483948]
  我々は,Pychographyデータセットをシミュレートし,最先端の再構築アルゴリズムをテストすることを目的とした,新しいptychographyソフトウェアフレームワークであるSciComを紹介する。 その単純さにもかかわらず、ソフトウェアはPyTorchインターフェースによる高速化処理を利用する。 結果は合成データと実データの両方で示される。
  論文  参考訳（メタデータ） (2022-05-06T16:32:37Z)
• Machine Learning for Particle Flow Reconstruction at CMS [7.527568379083754]
  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。
  論文  参考訳（メタデータ） (2022-03-01T10:11:44Z)
• Event Camera Simulator Design for Modeling Attention-based Inference Architectures [4.409836695738517]
  本稿では,ハードウェア設計プロトタイピングのための強力なツールとなるイベントカメラシミュレータを提案する。 提案するシミュレータは,画像フレーム内の関連領域を特定する分散計算モデルを実装している。 実験の結果,シミュレータは低オーバーヘッドでイベントビジョンを効果的にエミュレートできることがわかった。
  論文  参考訳（メタデータ） (2021-05-03T22:41:45Z)
• 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)
• 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)
• Towards High Performance Relativistic Electronic Structure Modelling: The EXP-T Program Package [68.8204255655161]
  並列計算機用に設計されたFS-RCC方式の新たな実装を提案する。 実装のパフォーマンスとスケーリングの特徴を分析した。 開発されたソフトウェアは、重い超重核を含む原子や分子の性質を予測するための全く新しいレベルの精度を達成することができる。
  論文  参考訳（メタデータ） (2020-04-07T20:08:30Z)
• 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)

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。