論文の概要: PIPPIN: Generating variable length full events from partons

• arxiv url: http://arxiv.org/abs/2406.13074v1
• Date: Tue, 18 Jun 2024 21:47:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-22 00:08:09.745385
• Title: PIPPIN: Generating variable length full events from partons
• Title（参考訳）: PIPPIN:Partonから可変長フルイベントを生成する
• Authors: Guillaume Quétant, John Andrew Raine, Matthew Leigh, Debajyoti Sengupta, Tobias Golling,
• Abstract要約: 本稿では,パルトンレベルの情報から検出器レベルでのフルイベントを直接生成するための新しい手法を提案する。 パートンと再構成されたオブジェクト空間間の多重度変動に対処するために、変換器、スコアベースモデル、正規化フローを用いる。 本手法は, この2つの空間間の遷移の複雑さに対処し, 極めて正確な結果を得る。
• 参考スコア（独自算出の注目度）: 0.873811641236639
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel approach for directly generating full events at detector-level from parton-level information, leveraging cutting-edge machine learning techniques. To address the challenge of multiplicity variations between parton and reconstructed object spaces, we employ transformers, score-based models and normalizing flows. Our method tackles the inherent complexities of the stochastic transition between these two spaces and achieves remarkably accurate results. The combination of innovative techniques and the achieved accuracy demonstrates the potential of our approach in advancing the field and opens avenues for further exploration. This research contributes to the ongoing efforts in high-energy physics and generative modelling, providing a promising direction for enhanced precision in fast detector simulation.
• Abstract（参考訳）: 本稿では,最先端の機械学習技術を活用して,パルトンレベルの情報から検出器レベルでのフルイベントを直接生成する手法を提案する。 パートンと再構成されたオブジェクト空間間の多重度変動に対処するために、変換器、スコアベースモデル、正規化フローを用いる。 本手法は, この2つの空間間の確率遷移の複雑さに対処し, 極めて正確な結果を得る。 革新的手法と達成された精度の組み合わせは、フィールドの前進における我々のアプローチの可能性を示し、さらなる探索のための道を開く。 本研究は,高速検出器シミュレーションにおける高精度化に向けて,高エネルギー物理と生成モデリングの継続的な取り組みに寄与する。

関連論文リスト

• SeaDATE: Remedy Dual-Attention Transformer with Semantic Alignment via Contrast Learning for Multimodal Object Detection [18.090706979440334]
  マルチモーダルオブジェクト検出は、様々なモーダル情報を活用して、検出器の精度と堅牢性を高める。 現在の方法では、トランスフォーマー誘導核融合技術は、ネットワークの様々な深さ層における特徴を抽出する能力を探ることなく、単純にスタック化されている。 本論文では,SeaDATEと呼ばれる高精度かつ効率的な物体検出手法を提案する。
  論文  参考訳（メタデータ） (2024-10-15T07:26:39Z)
• Research on Personalized Compression Algorithm for Pre-trained Models Based on Homomorphic Entropy Increase [2.6513322539118582]
  我々は、現在のAI分野における2つの重要な技術の課題と進化を探求する:ビジョントランスフォーマーモデルと大規模言語モデル(LLM)。 Vision Transformerは、イメージを小さな断片に分割することで、グローバルな情報をキャプチャするが、その高い参照数とモバイル機器へのオーバヘッド制限の配置を計算する。 LLMは自然言語処理に革命をもたらしたが、デプロイメントの課題にも直面している。
  論文  参考訳（メタデータ） (2024-08-16T11:56:49Z)
• Deep Generative Models for Detector Signature Simulation: A Taxonomic Review [0.0]
  粒子物理学検出器からの信号は衝突の物理を符号化する低レベル物体(エネルギー沈降や軌道など)である。 検出器におけるそれらの完全なシミュレーションは、計算と記憶集約的なタスクである。 我々は,検出器シグネチャのシミュレーションについて,既存の文献の包括的かつ徹底的な分類学的レビューを行う。
  論文  参考訳（メタデータ） (2023-12-15T08:27:39Z)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• Leveraging the Power of Data Augmentation for Transformer-based Tracking [64.46371987827312]
  トラッキング用にカスタマイズされた2つのデータ拡張手法を提案する。 まず、動的探索半径機構と境界サンプルのシミュレーションにより、既存のランダムトリミングを最適化する。 第2に,背景干渉などの問題に対するモデルを可能にする,トークンレベルの機能混在強化戦略を提案する。
  論文  参考訳（メタデータ） (2023-09-15T09:18:54Z)
• Learning minimal representations of stochastic processes with variational autoencoders [52.99137594502433]
  プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。 我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
  論文  参考訳（メタデータ） (2023-07-21T14:25:06Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• Event-based Monocular Dense Depth Estimation with Recurrent Transformers [40.82085590645538]
  イベントカメラは高時間分解能と高ダイナミックレンジを提供する。 本稿では,再帰変換器,すなわちEReFormerを用いたイベントベース単分子深度推定器を提案する。 私たちの研究は、イベントベースのビジョンコミュニティで素晴らしいトランスフォーマーを開発するために、さらなる研究を引き付けます。
  論文  参考訳（メタデータ） (2022-12-06T07:06:59Z)
• Augmented Shortcuts for Vision Transformers [49.70151144700589]
  視覚変換器モデルにおけるショートカットと特徴の多様性の関係について検討する。 本稿では,元のショートカットに並列に学習可能なパラメータを追加経路を挿入する拡張ショートカット方式を提案する。 ベンチマークデータセットを用いて実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-06-30T09:48:30Z)
• Phase Transition Adaptation [14.034816857287044]
  そこで本研究では,位相遷移適応と呼ばれる局所教師なし学習機構であるオリジナルアプローチの拡張を提案する。 提案手法が複数のデータセットに対して一貫して目的を達成できることを実験的に示す。
  論文  参考訳（メタデータ） (2021-04-20T17:18:34Z)
• Adversarial Imitation Learning with Trajectorial Augmentation and Correction [61.924411952657756]
  本稿では,拡張軌道の成功を保った新しい拡張手法を提案する。 我々は, 合成専門家を用いた模倣エージェントの訓練を行うために, 逆データ拡張模倣アーキテクチャを開発した。 実験により,我々のデータ拡張戦略は,敵対的模倣の精度と収束時間を向上できることが示された。
  論文  参考訳（メタデータ） (2021-03-25T14:49:32Z)

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。