論文の概要: Multimodal Generative Flows for LHC Jets

• arxiv url: http://arxiv.org/abs/2509.01736v2
• Date: Mon, 08 Sep 2025 23:56:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 12:33:22.789229
• Title: Multimodal Generative Flows for LHC Jets
• Title（参考訳）: LHC噴流の多モード生成流れ
• Authors: Darius A. Faroughy, Manfred Opper, Cesar Ojeda,
• Abstract要約: 大型ハドロン衝突型加速器(LHC)における高エネルギー衝突の生成モデリングは、シミュレーションや異常検出などへのデータ駆動経路を提供する。 各粒子は連続的なキネマティックな特徴を持ち、電荷やフレーバーのような離散的な量子数を持つ。 両モードのLHCジェットを共同でモデル化するために,連続時間マルコフジャンプブリッジによるフローマッチングを拡張するトランスフォーマーベースのマルチモーダルフローを提案する。
• 参考スコア（独自算出の注目度）: 3.535694879582864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative modeling of high-energy collisions at the Large Hadron Collider (LHC) offers a data-driven route to simulations, anomaly detection, among other applications. A central challenge lies in the hybrid nature of particle-cloud data: each particle carries continuous kinematic features and discrete quantum numbers such as charge and flavor. We introduce a transformer-based multimodal flow that extends flow-matching with a continuous-time Markov jump bridge to jointly model LHC jets with both modalities. Trained on CMS Open Data, our model can generate high fidelity jets with realistic kinematics, jet substructure and flavor composition.
• Abstract（参考訳）: 大型ハドロン衝突型加速器(LHC)における高エネルギー衝突の生成モデリングは、シミュレーションや異常検出などへのデータ駆動経路を提供する。 各粒子は連続的なキネマティックな特徴を持ち、電荷やフレーバーのような離散的な量子数を持つ。 両モードのLHCジェットを共同でモデル化するために,連続時間マルコフジャンプブリッジによるフローマッチングを拡張するトランスフォーマーベースのマルチモーダルフローを提案する。 CMS Open Dataをベースとした本モデルでは, 現実的なキネマティクス, ジェットサブ構造, フレーバー組成を有する高忠実度ジェットを生成することができる。

関連論文リスト

• Generative Diffusion Models for Fast Simulations of Particle Collisions at CERN [3.2686289567336235]
  高エネルギー物理シミュレーションでは、CERNの大型ハドロン衝突型加速器における粒子衝突実験の複雑さの解明に重要な役割を果たしている。 近年の進歩は、最先端の生成機械学習手法として拡散モデルの有効性を強調している。 拡散モデルに基づくALICE実験において,Zero Degree Calorimeter (ZDC) のシミュレーションを行った。
  論文  参考訳（メタデータ） (2024-06-05T13:11:53Z)
• Learning to Approximate Particle Smoothing Trajectories via Diffusion Generative Models [16.196738720721417]
  希少な観測からシステムを学ぶことは、生物学、金融学、物理学など多くの分野において重要である。 本研究では,条件付き粒子フィルタリングと祖先サンプリングと拡散モデルを統合する手法を提案する。 車両追跡や単一セルRNAシークエンシングデータなど,時系列生成とタスクにおけるアプローチを実証する。
  論文  参考訳（メタデータ） (2024-06-01T21:54:01Z)
• Full Event Particle-Level Unfolding with Variable-Length Latent Variational Diffusion [44.6263403467016]
  生成機械学習モデルは、多数の次元で未結合の展開を実行することを約束している。 生成的展開に対する変動潜在拡散モデル(VLD)アプローチの新たな変更について述べる。 この手法の性能は、大型ハドロン衝突型加速器における半レプトニックトップクォーク対生成の文脈で評価される。
  論文  参考訳（メタデータ） (2024-04-22T16:47:10Z)
• A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
  本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。 CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。 その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T22:05:17Z)
• EPiC-ly Fast Particle Cloud Generation with Flow-Matching and Diffusion [0.7255608805275865]
  本稿では,LHCジェットを点雲として効率的に高精度に生成する2つの新しい手法を提案する。 epcjediとepはどちらも、トップクォークのJetNetデータセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-09-29T18:00:03Z)
• EPiC-GAN: Equivariant Point Cloud Generation for Particle Jets [0.0]
  EPiC-GAN - 同変点雲生成逆数ネットワーク - を導入し、可変多重性の点雲を生成する。 EPiC-GANは、大規模粒子乗数によく対応し、ベンチマークジェット生成タスクにおける高世代忠実性を実現する。
  論文  参考訳（メタデータ） (2023-01-17T19:00:00Z)
• Moser Flow: Divergence-based Generative Modeling on Manifolds [49.04974733536027]
  Moser Flow (MF) は連続正規化フロー(CNF)ファミリーにおける新しい生成モデルのクラスである MFは、訓練中にODEソルバを介して呼び出しやバックプロパゲートを必要としない。 一般曲面からのサンプリングにおけるフローモデルの利用を初めて実演する。
  論文  参考訳（メタデータ） (2021-08-18T09:00:24Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)

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。