論文の概要: Vision Calorimeter: Migrating Visual Object Detector to High-energy Particle Images
- arxiv url: http://arxiv.org/abs/2408.10599v2
- Date: Sun, 16 Feb 2025 14:59:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:03:38.598444
- Title: Vision Calorimeter: Migrating Visual Object Detector to High-energy Particle Images
- Title（参考訳）: ビジョン・カロリメータ:高エネルギー粒子画像への視覚物体検出器の移動
- Authors: Hongtian Yu, Yangu Li, Yunfan Liu, Yunxuan Song, Xiaorui Lyu, Qixiang Ye,
- Abstract要約: Vision Calorimeter (ViC)は、高エネルギー粒子画像へ視覚オブジェクト検出技術を移行するデータ駆動フレームワークである。
ViCは従来のアプローチよりも大幅に優れており、インシデント位置予測エラーを46.16%削減した。
この研究は、高エネルギー物理学における汎用粒子パラメータ推定器としてのViCの大きなポテンシャルを裏付けるものである。
- 参考スコア（独自算出の注目度）: 32.42087197412159
- License:
- Abstract: In high-energy physics, accurately estimating the kinematic parameters (position and momentum) of anti-neutrons ($\bar{n}$) is essential for exploring the fundamental governing principles. However, this process is particularly challenging when using an electromagnetic calorimeter (EMC) as the energy detector, due to their limited accuracy and efficiency in interacting with $\bar{n}$. To address this issue, we propose Vision Calorimeter (ViC), a data-driven framework which migrates visual object detection techniques to high-energy particle images. To accommodate the unique characteristics of particle images, we introduce the heat-conduction operator (HCO) into both the backbone and the head of the conventional object detector and conduct significant structural improvements. HCO enjoys the advantage of both radial prior and global attention, as it is inspired by physical heat conduction which naturally aligns with the pattern of particle incidence. Implemented via the Discrete Cosine Transform (DCT), HCO extracts frequency-domain features, bridging the distribution gap between the particle images and the natural images on which visual object detectors are pre-trained. Experimental results demonstrate that ViC significantly outperforms traditional approaches, reducing the incident position prediction error by 46.16% (from 17.31$^{\circ}$ to 9.32$^{\circ}$) and providing the first baseline result with an incident momentum regression error of 21.48%. This study underscores ViC's great potential as a general-purpose particle parameter estimator in high-energy physics. Code is available at https://github.com/yuhongtian17/ViC.
- Abstract（参考訳）: 高エネルギー物理学において、反中性子の運動パラメータ(位置と運動量)を正確に推定することは、基本的な支配原理を探求するために不可欠である。
しかし、この過程は、$\bar{n}$と相互作用する際の精度と効率が限られているため、電磁カロリー計(EMC)をエネルギー検出器として使用する場合、特に困難である。
この問題に対処するために、高エネルギー粒子画像へ視覚物体検出技術に移行するデータ駆動型フレームワークViC(ViC)を提案する。
粒子画像の特異な特性に対応するため,従来の物体検出器の背骨と頭部に熱伝導演算子(HCO)を導入し,構造的改善を行った。
HCOは、粒子の入射パターンと自然に一致する物理的熱伝導にインスパイアされるため、放射状前波とグローバルな注目の両方の利点を享受する。
離散コサイン変換(DCT)によって実装され、HCOは周波数領域の特徴を抽出し、粒子画像と視覚オブジェクト検出器が事前訓練された自然画像との分配ギャップを埋める。
実験の結果、ViCは従来の手法よりも大幅に優れており、インシデント位置予測誤差は46.16%(17.31$^{\circ}$から9.32$^{\circ}$に減少し、インシデントモーメントの回帰誤差が21.48%である。
この研究は、高エネルギー物理学における汎用粒子パラメータ推定器としてのViCの大きなポテンシャルを裏付けるものである。
コードはhttps://github.com/yuhongtian17/ViC.comで入手できる。
関連論文リスト
- Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions [48.58317905849438]
結合自由エネルギーの変化を予測する(Delta Delta G$)ことはタンパク質-タンパク質相互作用の理解と調節に不可欠である。
本稿では,事前学習した逆折り畳みモデルから$Delta Delta G$予測への知識伝達のためのボルツマンアライメント手法を提案する。
論文 参考訳（メタデータ） (2024-10-12T14:13:42Z) - Studying Critical Parameters of Superconductor via Diamond Quantum Sensors [2.8505276433658175]
我々は、複数の臨界パラメータを決定・推定するために、単一の種類の量子センサーを使用する。
ダイアモンド粒子とバルクダイアモンドを用いてマイスナー効果を探索する。
論文 参考訳（メタデータ） (2024-07-23T21:23:54Z) - Quantum tomography of helicity states for general scattering processes [55.2480439325792]
量子トモグラフィーは、物理学における量子系の密度行列$rho$を計算するのに欠かせない道具となっている。
一般散乱過程におけるヘリシティ量子初期状態の再構成に関する理論的枠組みを提案する。
論文 参考訳（メタデータ） (2023-10-16T21:23:42Z) - End-To-End Latent Variational Diffusion Models for Inverse Problems in
High Energy Physics [61.44793171735013]
本稿では,最先端生成技術アプローチの潜時学習とエンドツーエンドの変分フレームワークを組み合わせた,新しい統合アーキテクチャ,潜時変分モデルを提案する。
我々の統一的アプローチは、非最新技術ベースラインの20倍以上の真理への分布自由距離を達成する。
論文 参考訳（メタデータ） (2023-05-17T17:43:10Z) - Interpretable Joint Event-Particle Reconstruction for Neutrino Physics
at NOvA with Sparse CNNs and Transformers [124.29621071934693]
本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。
TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。
このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
論文 参考訳（メタデータ） (2023-03-10T20:36:23Z) - Quantum information and CP measurement in $H \to \tau^+ \tau^-$ at
future lepton colliders [0.0]
将来のレプトン衝突器におけるTau+Tau-$崩壊に対するタウレプトン対の量子特性の測定可能性について検討した。
量子相関を検出することは、タウレプトンレストフレームの正確な再構築に大きく依存している。
タウレプトン崩壊の衝突パラメータの情報を組み込んだログライクフード法を開発した。
論文 参考訳（メタデータ） (2022-11-18T21:41:29Z) - Faster spectral density calculation using energy moments [77.34726150561087]
我々は、最近提案されたガウス積分変換法を、ハミルトニアン系のフーリエモーメントの観点から再構成する。
このフレームワークの主な利点の1つは、計算コストの大幅な削減を可能にすることである。
論文 参考訳（メタデータ） (2022-11-01T23:57:58Z) - \nu-Flows: Conditional Neutrino Regression [0.0]
$nu$-Flowsは高エネルギーコライダー実験におけるニュートリノキネマティクスの可能性を制限する新しい方法である。
ケーススタディにおける$nu$-Flowsの成功をシミュレートされたセミレプトニック$tbart$イベントに適用することによって実証する。
また, ジェット協会の下流作業では, 従来手法に比べて最大1.41倍の改善が期待できる。
論文 参考訳（メタデータ） (2022-07-01T21:20:25Z) - The BeEST Experiment: Searching for Beyond Standard Model Neutrinos
using $^7$Be Decay in STJs [0.0]
BeEST実験は、感度の高い超伝導トンネル接合(STJ)量子センサーに埋め込んだ7ドルBeの放射性崩壊に続くeVスケールの放射を正確に測定する。
BeEST実験は、感度の高い超伝導トンネル接合(STJ)量子センサーに埋め込んだ7ドルBeの放射性崩壊に続くeVスケールの放射を正確に測定する。
論文 参考訳（メタデータ） (2021-12-03T17:21:12Z) - Graph neural networks for fast electron density estimation of molecules,
liquids, and solids [0.0]
a machine learning framework for the prediction of $rho(vecr)$。
このモデルは、複数の分子(QM9)、液体エチレン炭酸塩電解質(EC)、LixNiyMnzCo(1-y-z)O2リチウムイオン電池陰極(NMC)で試験される。
論文 参考訳（メタデータ） (2021-12-01T16:57:31Z)
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。