論文の概要: Non-Gaussianities in Collider Metric Binning

• arxiv url: http://arxiv.org/abs/2503.03809v1
• Date: Wed, 05 Mar 2025 19:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:57:23.112730
• Title: Non-Gaussianities in Collider Metric Binning
• Title（参考訳）: 衝突量結合における非ガウス性
• Authors: Andrew J. Larkoski,
• Abstract要約: 2つの事象間の距離を厳密に定義するための計量は、粒子コライダー物理学のデータ空間多様体の性質を研究するために用いられる。 距離分布のビン・バイ・ビン統計の非ガウス性に関するロバストな測度を定義する。 我々は、量子色力学からのジェットのシミュレーションデータにおいて、パルトン-ハドロン遷移に対する感度を示し、そのエネルギーが増加するにつれて事象の多様体は拡張対称性を享受することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Metrics for rigorously defining a distance between two events have been used to study the properties of the dataspace manifold of particle collider physics. The probability distribution of pairwise distances on this dataspace is unique with probability 1, and so this suggests a method to search for and identify new physics by the deviation of measurement from a null hypothesis prediction. To quantify the deviation statistically, we directly calculate the probability distribution of the number of event pairs that land in the bin a fixed distance apart. This distribution is not generically Gaussian and the ratio of the standard deviation to the mean entries in a bin scales inversely with the square-root of the number of events in the data ensemble. If the dataspace manifold exhibits some enhanced symmetry, the number of entries is Gaussian, and further fluctuations about the mean scale away like the inverse of the number of events. We define a robust measure of the non-Gaussianity of the bin-by-bin statistics of the distance distribution, and demonstrate in simulated data of jets from quantum chromodynamics sensitivity to the parton-to-hadron transition and that the manifold of events enjoys enhanced symmetries as their energy increases.
• Abstract（参考訳）: 2つの事象間の距離を厳密に定義するための計量は、粒子コライダー物理学のデータ空間多様体の性質を研究するために用いられる。 このデータ空間上での対距離の確率分布は確率1と一意であり、これはヌル仮説の予測から測定のずれによって新しい物理を探索し同定する方法を示唆している。 偏差を統計的に定量化するために、ビンに着地した事象対の確率分布を直接計算する。 この分布は一般のガウス分布ではなく、ビン内の平均成分に対する標準偏差の比は、データアンサンブル内の事象の平方根と逆スケールする。 データ空間多様体がある種の拡張対称性を示すなら、成分の数はガウス的であり、事象の数の逆数のように平均スケールのさらなるゆらぎが生じる。 距離分布のビン・バイ・ビン統計の非ガウス性に関するロバストな測度を定義し、量子色力学の感度からパルトン・アンド・ハドロン遷移へのジェットのシミュレーションデータにおいて、事象の多様体はエネルギーが増加するにつれて拡張対称性を楽しむことを実証する。

関連論文リスト

• Exact mean and variance of the squared Hellinger distance for random density matrices [11.495104812547021]
  量子状態間のヘリンジャー距離は、量子情報理論において重要な測度である。 本稿では,ガンマ分布に基づいて,対応する確率密度関数の近似式を提案する。
  論文  参考訳（メタデータ） (2024-09-22T18:56:49Z)
• Density Ratio Estimation via Sampling along Generalized Geodesics on Statistical Manifolds [0.951494089949975]
  インクリメンタルな混合に基づく密度比推定のための既存の手法を幾何学的に再解釈する。 そのような方法を達成するには、モンテカルロは2つの分布の変換を通して測地線に沿ってサンプリングする必要がある。 提案手法が既存手法より優れていることを示す実験を行った。
  論文  参考訳（メタデータ） (2024-06-27T00:44:46Z)
• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Discriminative Estimation of Total Variation Distance: A Fidelity Auditor for Generative Data [10.678533056953784]
  本稿では,2つの分布間の総変動(TV)距離を推定する判別手法を提案する。 本手法は,2つの分布の分類におけるベイズリスクとテレビの距離の関係を定量的に評価する。 分類において、特定の仮説クラスを選択することで、テレビの距離を推定する際の高速収束率が達成できることを実証する。
  論文  参考訳（メタデータ） (2024-05-24T08:18:09Z)
• Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
  本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。 これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
  論文  参考訳（メタデータ） (2023-11-08T15:17:13Z)
• Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
  回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。 我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
  論文  参考訳（メタデータ） (2023-10-12T10:56:25Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Random density matrices: Analytical results for mean fidelity and variance of squared Bures distance [1.2225709246035374]
  固定密度行列とランダム密度行列の間の正方形バーズ距離の平均忠実度と分散の正確な結果を得る。 解析結果はモンテカルロシミュレーションを用いて裏付けられる。
  論文  参考訳（メタデータ） (2022-11-10T13:58:27Z)
• A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
  本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。 楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。 合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T10:01:37Z)
• Kernel distance measures for time series, random fields and other structured data [71.61147615789537]
  kdiffは、構造化データのインスタンス間の距離を推定するためのカーネルベースの新しい尺度である。 これはインスタンス間の自己類似性と交差類似性の両方を考慮し、距離分布の低い定量値を用いて定義される。 kdiffをクラスタリングと分類問題のための距離尺度として用いた分離性条件について,いくつかの理論的結果が得られた。
  論文  参考訳（メタデータ） (2021-09-29T22:54:17Z)
• Depth-based pseudo-metrics between probability distributions [1.1470070927586016]
  本研究では,データ深度に基づく連続確率測度と関連する中央領域の2つの疑似測度を提案する。 Wasserstein距離とは対照的に、提案された疑似メトリックは次元の呪いに苦しむことはない。 地域ベースの擬似メトリックは堅牢なw.r.tである。 両端と尾が重い。
  論文  参考訳（メタデータ） (2021-03-23T17:33:18Z)

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。