Fugu-MT 論文翻訳(概要): Machine-learning based particle-flow algorithm in CMS

論文の概要: Machine-learning based particle-flow algorithm in CMS

arxiv url: http://arxiv.org/abs/2508.20541v1
Date: Thu, 28 Aug 2025 08:28:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-29 18:12:02.223816
Title: Machine-learning based particle-flow algorithm in CMS
Title（参考訳）: CMSにおける機械学習に基づく粒子フローアルゴリズム
Authors: Farouk Mokhtar,
Abstract要約: The Particle-flow (PF) algorithm provides a global event description by restructing final-state particles and is central to event reconstruction in CMS。そのようなアプローチのひとつとして、MLPF(Machine-learned Particle Flow)が、トランスフォーマーモデルを使用して、トラックやクラスタから直接単一パスで粒子を推論する。
参考スコア（独自算出の注目度）: 0.03729553543096811
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The particle-flow (PF) algorithm provides a global event description by reconstructing final-state particles and is central to event reconstruction in CMS. Recently, end-to-end machine learning (ML) approaches have been proposed to directly optimize physical quantities of interest and to leverage heterogeneous computing architectures. One such approach, machine-learned particle flow (MLPF), uses a transformer model to infer particles directly from tracks and clusters in a single pass. We present recent CMS developments in MLPF, including training datasets, model architecture, reconstruction metrics, and integration with offline reconstruction software.
Abstract（参考訳）: The Particle-flow (PF) algorithm provides a global event description by restructing final-state particles and is central to event reconstruction in CMS。近年、物理量を直接最適化し、異種コンピューティングアーキテクチャを活用するために、エンドツーエンド機械学習(ML)アプローチが提案されている。そのようなアプローチのひとつとして、MLPF(Machine-learned Particle Flow)が、トランスフォーマーモデルを使用して、トラックやクラスタから直接単一パスで粒子を推論する。 MLPFにおける最近のCMS開発には、トレーニングデータセット、モデルアーキテクチャ、リコンストラクションメトリクス、オフラインリコンストラクションソフトウェアとの統合などが含まれる。

関連論文リスト

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)
Tackling Computational Heterogeneity in FL: A Few Theoretical Insights [68.8204255655161]
我々は、計算異種データの形式化と処理を可能にする新しい集約フレームワークを導入し、分析する。提案するアグリゲーションアルゴリズムは理論的および実験的予測から広範囲に解析される。
論文参考訳（メタデータ） (2023-07-12T16:28:21Z)
In Situ Framework for Coupling Simulation and Machine Learning with Application to CFD [51.04126395480625]
近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
論文参考訳（メタデータ） (2023-06-22T14:07:54Z)
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)
Transformer with Implicit Edges for Particle-based Physics Simulation [135.77656965678196]
Implicit Edges (TIE) を用いたトランスフォーマーは、素粒子相互作用のリッチなセマンティクスをエッジフリーでキャプチャする。様々な複雑さと素材の多様な領域におけるモデルの評価を行った。
論文参考訳（メタデータ） (2022-07-22T03:45:29Z)
Machine Learning model for gas-liquid interface reconstruction in CFD numerical simulations [59.84561168501493]
流体の体積(VoF)法は多相流シミュレーションにおいて2つの不混和性流体間の界面を追跡・見つけるために広く用いられている。 VoF法の主なボトルネックは、計算コストが高く、非構造化グリッド上での精度が低いため、インタフェース再構成のステップである。一般的な非構造化メッシュ上でのインタフェース再構築を高速化するために,グラフニューラルネットワーク(GNN)に基づく機械学習拡張VoF手法を提案する。
論文参考訳（メタデータ） (2022-07-12T17:07:46Z)
Multi-Edge Server-Assisted Dynamic Federated Learning with an Optimized Floating Aggregation Point [51.47520726446029]
協調エッジ学習(CE-FL)は、分散機械学習アーキテクチャである。 CE-FLの過程をモデル化し,分析訓練を行った。実世界のテストベッドから収集したデータを用いて,本フレームワークの有効性を示す。
論文参考訳（メタデータ） (2022-03-26T00:41:57Z)
Machine Learning for Particle Flow Reconstruction at CMS [7.527568379083754]
CMSのための機械学習に基づく粒子フローアルゴリズムの実装について詳述する。このアルゴリズムは、温度計クラスタとトラックに基づいて安定粒子を再構成し、グローバルなイベント再構成を提供する。
論文参考訳（メタデータ） (2022-03-01T10:11:44Z)
Explaining machine-learned particle-flow reconstruction [0.0]
粒子流(PF)アルゴリズムは、衝突の包括的粒子レベルビューを再構築するために汎用粒子検出器で使用される。機械学習粒子フロー(MLPF)アルゴリズムとして知られるグラフニューラルネットワーク(GNN)モデルが,規則に基づくPFアルゴリズムの代替として開発された。
論文参考訳（メタデータ） (2021-11-24T23:20:03Z)
MLPF: Efficient machine-learned particle-flow reconstruction using graph neural networks [0.0]
汎用粒子検出器では、粒子フローアルゴリズムを用いて事象の粒子レベルビューを再構築することができる。並列化可能,スケーラブル,グラフニューラルネットワークに基づく,エンドツーエンドのトレーニング可能,マシン学習型粒子フローアルゴリズムを提案する。陽子-陽子衝突で生成したトップクォーク-反クォーク対のモンテカルロデータセット上で,アルゴリズムの物理および計算性能について報告する。
論文参考訳（メタデータ） (2021-01-21T12:47:54Z)
Augmentation of the Reconstruction Performance of Fuzzy C-Means with an Optimized Fuzzification Factor Vector [99.19847674810079]
Fuzzy C-Means (FCM) は情報グラニュラーを構成する最も頻繁に使用される手法の1つである。本稿では, ファジィ化因子のベクトルを導入することにより, FCMに基づく脱顆粒機構を増強する。合成データセットと公開データセットの両方で実験が完了し、提案手法が汎用データ再構成手法より優れていることが示された。
論文参考訳（メタデータ） (2020-04-13T04:17:30Z)

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。