論文の概要: Improved selective background Monte Carlo simulation at Belle II with graph attention networks and weighted events

• arxiv url: http://arxiv.org/abs/2307.06434v1
• Date: Wed, 12 Jul 2023 19:58:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 16:36:43.753042
• Title: Improved selective background Monte Carlo simulation at Belle II with graph attention networks and weighted events
• Title（参考訳）: グラフアテンションネットワークと重み付きイベントを用いたベルIIにおける選択的背景モンテカルロシミュレーションの改善
• Authors: Boyang Yu, Nikolai Hartmann, Luca Schinnerl, Thomas Kuhr
• Abstract要約: グラフニューラルネットワークを用いたフィルタは、早期に導入され、検出器シミュレーションと分析レベルで破棄されたイベントの再構築のためのリソースを節約する。 本研究では,グラフアテンションを用いてフィルタの性能を改善し,サンプリングや再重み付けなどの統計的手法を用いてフィルタのバイアスに対処する。
• 参考スコア（独自算出の注目度）: 4.100550356612001
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When measuring rare processes at Belle II, a huge luminosity is required, which means a large number of simulations are necessary to determine signal efficiencies and background contributions. However, this process demands high computation costs while most of the simulated data, in particular in case of background, are discarded by the event selection. Thus, filters using graph neural networks are introduced at an early stage to save the resources for the detector simulation and reconstruction of events discarded at analysis level. In our work, we improved the performance of the filters using graph attention and investigated statistical methods including sampling and reweighting to deal with the biases introduced by the filtering.
• Abstract（参考訳）: ベルIIで希少な過程を測定する際には、大きな光度が必要であり、信号効率と背景貢献を決定するために大量のシミュレーションが必要である。 しかし、このプロセスでは高い計算コストが要求され、シミュレーションされたデータ、特に背景データの多くはイベントセレクションによって破棄される。 これにより、グラフニューラルネットワークを用いたフィルタが早期に導入され、分析レベルで廃棄された事象の検出器シミュレーションや再構成のためのリソースが節約される。 本研究では,グラフアテンションを用いてフィルタの性能を改善し,サンプリングや再重み付けなどの統計的手法を用いてフィルタのバイアスに対処する。

関連論文リスト

• Scaling Laws for Predicting Downstream Performance in LLMs [75.28559015477137]
  この研究は、性能評価のためのより効率的な指標として、事前学習損失に焦点を当てている。 我々は、データソース間のFLOPに基づいて、ドメイン固有の事前学習損失を予測するために、電力法解析関数を拡張した。 我々は2層ニューラルネットワークを用いて、複数のドメイン固有の損失と下流性能の非線形関係をモデル化する。
  論文  参考訳（メタデータ） (2024-10-11T04:57:48Z)
• Efficient NeRF Optimization -- Not All Samples Remain Equally Hard [9.404889815088161]
  ニューラルレイディアンスフィールド(NeRF)の効率的なトレーニングのためのオンラインハードサンプルマイニングの応用を提案する。 NeRFモデルは、多くの3D再構成およびレンダリングタスクに対して最先端の品質を生み出すが、かなりの計算資源を必要とする。
  論文  参考訳（メタデータ） (2024-08-06T13:49:01Z)
• TraceMesh: Scalable and Streaming Sampling for Distributed Traces [51.08892669409318]
  TraceMeshは、分散トレースのためのスケーラブルでストリーミングなサンプリングツールである。 以前は見つからなかったトレース機能を、統一的で合理化された方法で扱える。 TraceMeshは、サンプリング精度と効率の両方において、最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-06-11T06:13:58Z)
• Surrogate Neural Networks for Efficient Simulation-based Trajectory Planning Optimization [28.292234483886947]
  本稿では、ニューラルネットワークの形で代理モデルを用いて、参照軌道のシミュレーションに基づく最適化の計算時間を短縮する手法を提案する。 提案手法は,従来よりも74%優れた参照軌道が得られており,計算時間が大幅に短縮されることが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-30T15:44:30Z)
• Lamarr: LHCb ultra-fast simulation based on machine learning models deployed within Gauss [0.0]
  LHCb実験における検出器応答と再構成アルゴリズムの両方をパラメータ化するシミュレーション生成を高速化するフレームワークであるLamarrについて論じる。 複数のアルゴリズムと戦略を駆使した深部生成モデルを用いて、LHCb検出器の単一成分の高レベル応答を効果的にパラメータ化する。
  論文  参考訳（メタデータ） (2023-03-20T20:18:04Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
  学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。 イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-09-22T13:44:13Z)
• Minority Report: A Graph Network Oracle for In Situ Visualization [1.6058099298620423]
  本稿では,大規模シミュレーションにおいて期待される臨界領域を特定するために,機械学習に基づくシミュレーションサロゲートをオラクルとして使用する可能性を示す。 我々は,粒状流の物質点シミュレーションのために,TACC GalaxyとCB-Geo MPMを統合した分散非同期その場可視化を開発した。 PyTorch-based 3D Graph Network Simulator (GNS) を用いて粒状フローのダイナミクスを予測する。
  論文  参考訳（メタデータ） (2022-06-25T16:06:45Z)
• Improved Speech Emotion Recognition using Transfer Learning and Spectrogram Augmentation [56.264157127549446]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。 SERの主な課題の1つは、データの不足である。 本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-05T10:39:39Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• 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。