論文の概要: Electron Energy Regression in the CMS High-Granularity Calorimeter Prototype

• arxiv url: http://arxiv.org/abs/2309.06582v1
• Date: Tue, 12 Sep 2023 20:09:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 16:21:38.931369
• Title: Electron Energy Regression in the CMS High-Granularity Calorimeter Prototype
• Title（参考訳）: cms高粒度熱量計プロトタイプにおける電子エネルギー回帰
• Authors: Roger Rusack, Bhargav Joshi, Alpana Alpana, Seema Sharma, Thomas Vadnais
• Abstract要約: CERNに設置する新しいカロリーメータのシミュレーションデータを含む,新たに公開されたデータセットを提案する。 この検出器は600万以上のチャネルを持ち、それぞれのチャネルは位置、イオン化、精度の計測が可能な。 我々は3次元ヒットのエネルギーから入射電子のエネルギーを再構成した。
• 参考スコア（独自算出の注目度）: 0.2999888908665658
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a new publicly available dataset that contains simulated data of a novel calorimeter to be installed at the CERN Large Hadron Collider. This detector will have more than six-million channels with each channel capable of position, ionisation and precision time measurement. Reconstructing these events in an efficient way poses an immense challenge which is being addressed with the latest machine learning techniques. As part of this development a large prototype with 12,000 channels was built and a beam of high-energy electrons incident on it. Using machine learning methods we have reconstructed the energy of incident electrons from the energies of three-dimensional hits, which is known to some precision. By releasing this data publicly we hope to encourage experts in the application of machine learning to develop efficient and accurate image reconstruction of these electrons.
• Abstract（参考訳）: CERN大ハドロン衝突型加速器に搭載される新しいカロリー計のシミュレーションデータを含む,新たに公開されたデータセットを提案する。 この検出器は、各チャネルに位置、電離、正確な時間測定ができる6百万以上のチャネルを持つ。 これらのイベントを効率的に再構築することは、最新の機械学習技術で対処されている大きな課題となる。 この開発の一環として、12,000チャンネルの大型プロトタイプが製造され、高エネルギー電子ビームが入射した。 機械学習を用いて、我々は3次元ヒットのエネルギーから入射電子のエネルギーを再構築した。 このデータを公開することで、私たちは機械学習の応用の専門家に、これらの電子の効率的で正確な画像再構成を開発することを奨励したいと考えています。

関連論文リスト

• A Comparison of Deep Learning Models for Proton Background Rejection with the AMS Electromagnetic Calorimeter [0.0]
  アルファ磁気分光計(Alpha Magnetic Spectrometer、AMS)は、国際宇宙ステーション(ISS)に搭載されている高精度粒子検出器である。 AMSによって宇宙空間で測定されたポジトロンフラックスは、予想外の25GeV以上の軟化と280GeV以上の硬化を伴っている。 深層学習(DL)を用いたAMS ECALを用いた新しい粒子識別手法を提案する。
  論文  参考訳（メタデータ） (2024-02-26T04:06:05Z)
• Learning and Controlling Silicon Dopant Transitions in Graphene using Scanning Transmission Electron Microscopy [58.51812955462815]
  単層炭素原子上のシリコン原子の遷移ダイナミクスを機械学習で決定する手法を提案する。 データサンプルは、ニューラルネットワークをトレーニングして遷移確率を予測するために、シンボリック表現を生成するために処理され、フィルタリングされる。 これらの学習された遷移ダイナミクスを利用すれば、格子全体に1つのシリコン原子を誘導し、あらかじめ決定された目標目的地へと導くことができる。
  論文  参考訳（メタデータ） (2023-11-21T21:51:00Z)
• Accelerating Electronic Stopping Power Predictions by 10 Million Times with a Combination of Time-Dependent Density Functional Theory and Machine Learning [1.0327148933896368]
  物質中の粒子放射がエネルギーを放出する速度を知ることは、原子炉、医療、半導体、量子材料を設計する上で鍵となる。 我々は,時間依存密度汎関数理論と機械学習を組み合わせることで,スーパーコンピュータ上での時間のみの新しい材料評価時間を短縮する手法を確立した。 このアプローチでは、TDDFTを使用して電子的な停止コントリビューションを計算し、最初の原則からいくつかの方向のパワーを停止し、マシンラーニングを使用して他の方向へのインターポーラを、コア時間の1000万倍のコストで実行します。
  論文  参考訳（メタデータ） (2023-11-01T19:11:46Z)
• A compact and versatile cryogenic probe station for quantum device testing [0.0]
  室温から2ドル以下まで操作可能なプローブステーションを提案する。 その小さなサイズは、磁石による標準的な低温測定装置と互換性がある。 本稿では,シリコンフィン電界効果トランジスタを量子ドットスピン量子ビットのホストとして特徴付けることにより,プローブの性能を実証する。
  論文  参考訳（メタデータ） (2022-12-23T14:44:09Z)
• First design of a superconducting qubit for the QUB-IT experiment [50.591267188664666]
  QUB-ITプロジェクトの目標は、量子非破壊(QND)測定と絡み合った量子ビットを利用した、反復的な単一光子カウンタを実現することである。 本稿では,Qiskit-Metalを用いた共振器に結合したトランスモン量子ビットからなる第1の超伝導デバイスの設計とシミュレーションを行う。
  論文  参考訳（メタデータ） (2022-07-18T07:05:10Z)
• A machine-learning-based tool for last closed magnetic flux surface reconstruction on tokamak [58.42256764043771]
  トカマク装置による核融合発電は、クリーンエネルギーの持続可能な供給源として最も有望な方法の1つである。 トカマクの主な課題は、アクチュエータコイルと内部トカマクプラズマの相互作用によって決定される最後の閉じた磁束面(LCFS)を予測することである。 本研究では,実験データから自動的に学習する実験用超電導トカマク(EAST)からLCFSを再構築する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-07-12T17:15:29Z)
• Energy reconstruction for large liquid scintillator detectors with machine learning techniques: aggregated features approach [0.6015898117103069]
  本研究は, JUNOにおけるエネルギー再構成のための機械学習手法について述べる。 核融合炉核由来のJUNO$-$ニュートリノの主信号に対応する0-10MeVのエネルギー範囲における陽電子事象に焦点を当てた。 我々は,PMTによって収集された情報を用いて,集約された特徴に基づいて学習したブースト決定木と完全連結ディープニューラルネットワークについて考察する。
  論文  参考訳（メタデータ） (2022-06-17T22:50:50Z)
• Deep learning techniques for energy clustering in the CMS ECAL [0.0]
  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。
  論文  参考訳（メタデータ） (2022-04-21T17:23:43Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
  機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。 ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
  論文  参考訳（メタデータ） (2021-06-08T10:14:57Z)
• Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
  我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2020-12-08T01:10:30Z)

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。