論文の概要: Denoising Graph Super-Resolution towards Improved Collider Event Reconstruction
- arxiv url: http://arxiv.org/abs/2409.16052v1
- Date: Tue, 24 Sep 2024 12:56:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 05:56:20.064254
- Title: Denoising Graph Super-Resolution towards Improved Collider Event Reconstruction
- Title(参考訳): 改良型衝突イベント再構築に向けたグラフ超解法の提案
- Authors: Nilotpal Kakati, Etienne Dreyer, Eilam Gross,
- Abstract要約: 本研究は,LHCライクな再構築パイプラインへの超解像技術の統合について検討する。
このソフトウェア前処理のステップは、検出器に物理的に変更を加えることなく、再現性を大幅に向上させることができる。
- 参考スコア(独自算出の注目度): 0.351124620232225
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurately reconstructing particles from detector data is a critical challenge in experimental particle physics, where the spatial resolution of calorimeters has a crucial impact. This study explores the integration of super-resolution techniques into an LHC-like reconstruction pipeline to effectively enhance the granularity of calorimeter data and suppress noise. We find that this software preprocessing step can significantly improve reconstruction quality without physical changes to detectors. To demonstrate the impact of our approach, we propose a novel particle flow model that offers enhanced particle reconstruction quality and interpretability. These advancements underline the potential of super-resolution to impact both current and future particle physics experiments.
- Abstract(参考訳): 検出器データから正確に粒子を再構成することは、温度計の空間分解能が決定的な影響を与える実験的な粒子物理学において重要な課題である。
本研究では,LHCライクな再構成パイプラインへの超解像技術の統合について検討し,温度計データの粒度を効果的に向上し,ノイズを抑制する。
このソフトウェア前処理のステップは、検出器に物理的に変更を加えることなく、再現性を大幅に向上させることができる。
そこで本研究では,粒子再構成の精度向上と解釈性向上を両立させる新しい粒子流モデルを提案する。
これらの進歩は、現在の粒子物理学実験と将来の粒子物理学実験の両方に影響を与える超解像の可能性の基盤となっている。
関連論文リスト
- Reconstruction of Particle Flow Energy Distribution Using Deep Learning Algorithms [8.5980103509356]
近年の進歩は、エネルギーマップ再構築のための様々なサブ検出器からの熱量計画像の深層学習による処理である。
本稿では,従来のアルゴリズム-MLP,CNN,U-Net,RNN-を,自己注意と3D畳み込みモジュールを含む変種と比較する。
ジェットイベントのテストデータセットを使用して、異常な高エネルギーイベントを扱う際のモデルの性能を分析し、比較する。
論文 参考訳(メタデータ) (2024-10-08T11:49:18Z) - Enhancing High-Energy Particle Physics Collision Analysis through Graph Data Attribution Techniques [0.0]
本稿では、シミュレーション粒子衝突データセットを用いて、グラフ分類パイプライン内の影響分析を統合する。
グラフニューラルネットワークを初等訓練に用いることにより,学習サンプルの同定に勾配に基づくデータ影響法を適用した。
破棄された要素を分析することで、イベント分類タスクに関するさらなる洞察を得ることができる。
論文 参考訳(メタデータ) (2024-07-20T12:40:03Z) - Improved particle-flow event reconstruction with scalable neural networks for current and future particle detectors [1.4609888393206634]
電子-陽電子衝突における事象再構成のためのスケーラブルな機械学習モデルについて, フル検出器シミュレーションに基づく検討を行った。
グラフニューラルネットワークとカーネルベースのトランスフォーマーを比較し、現実的な再構築を実現しつつ、操作を回避できることを実証する。
最良のグラフニューラルネットワークモデルでは、ルールベースのアルゴリズムと比較して、ジェット横運動量分解能が最大50%向上している。
論文 参考訳(メタデータ) (2023-09-13T08:16:15Z) - 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) - Progress towards an improved particle flow algorithm at CMS with machine
learning [8.3763093941108]
CERN LHCにおけるCMS実験において、粒子流(PF)はイベント再構成において中心的な重要性を持つ。
近年,PF再構成を行うグラフニューラルネットワークであるMLPFアルゴリズムをCMSで探索している。
我々は,生成/シミュレーションレベルの粒子情報を用いて最適化されたアルゴリズムF再構成の実装に向けたCMSの進歩について論じる。
これにより、物理量の観点から検出器の応答を潜在的に改善する道が開ける。
論文 参考訳(メタデータ) (2023-03-30T18:41:28Z) - 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) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳(メタデータ) (2022-03-10T14:22:54Z) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。
The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文 参考訳(メタデータ) (2021-12-19T15:17:20Z) - Quantum speedup for track reconstruction in particle accelerators [51.00143435208596]
我々は,各局所追跡法に存在する基本ルーチンを4つ同定し,標準追跡アルゴリズムの文脈でどのようにスケールするかを解析する。
発見された量子スピードアップは穏やかだが、これは私たちの知識の中でも最高のものであり、高エネルギーの物理データ処理タスクに対する量子上の優位性の最初の厳密な証拠である。
論文 参考訳(メタデータ) (2021-04-23T13:32:14Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳(メタデータ) (2021-03-24T08:16:32Z) - Using Machine Learning to Speed Up and Improve Calorimeter R&D [0.7106986689736827]
物理性能の評価を遅くする2つの典型的な問題は、特にカロリー検出器技術や構成に対するアプローチである。
本稿では,検出器開発および最適化サイクルの精度向上と高速化を目的とした,高度な機械学習技術の利用について論じる。
論文 参考訳(メタデータ) (2020-03-27T14:44:46Z)
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。