論文の概要: AllShowers: One model for all calorimeter showers

• arxiv url: http://arxiv.org/abs/2601.11716v1
• Date: Fri, 16 Jan 2026 19:09:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.29767
• Title: AllShowers: One model for all calorimeter showers
• Title（参考訳）: AllShowers:全カロリーシャワーの1モデル
• Authors: Thorsten Buss, Henry Day-Hall, Frank Gaede, Gregor Kasieczka, Katja Krüger,
• Abstract要約: AllShowersは、複数の粒子種にわたるカロリーメータシャワーをシミュレートする統合生成モデルである。 非常に粒度の高いILD検出器で、様々なシミュレートされたシャワーのデータセットで訓練される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate and efficient detector simulation is essential for modern collider experiments. To reduce the high computational cost, various fast machine learning surrogate models have been proposed. Traditional surrogate models for calorimeter shower modeling train separate networks for each particle species, limiting scalability and reuse. We introduce AllShowers, a unified generative model that simulates calorimeter showers across multiple particle types using a single generative model. AllShowers is a continuous normalizing flow model with a Transformer architecture, enabling it to generate complex spatial and energy correlations in variable-length point cloud representations of showers. Trained on a diverse dataset of simulated showers in the highly granular ILD detector, the model demonstrates the ability to generate realistic showers for electrons, photons, and charged and neutral hadrons across a wide range of incident energies and angles without retraining. In addition to unifying shower generation for multiple particle types, AllShowers surpasses the fidelity of previous single-particle-type models for hadronic showers. Key innovations include the use of a layer embedding, allowing the model to learn all relevant calorimeter layer properties; a custom attention masking scheme to reduce computational demands and introduce a helpful inductive bias; and a shower- and layer-wise optimal transport mapping to improve training convergence and sample quality. AllShowers marks a significant step towards a universal model for calorimeter shower simulations in collider experiments.
• Abstract（参考訳）: 高精度かつ効率的な検出器シミュレーションは、現代のコライダー実験に不可欠である。 計算コストを下げるため、様々な高速機械学習サロゲートモデルが提案されている。 カロリーメータシャワーモデリングの伝統的なサロゲートモデルは、各粒子種ごとに別々のネットワークを訓練し、スケーラビリティと再利用を制限した。 我々は、単一生成モデルを用いて、複数の粒子タイプにわたるカロリーメータシャワーをシミュレートする統合生成モデルAllShowersを紹介した。 AllShowersはTransformerアーキテクチャによる連続正規化フローモデルであり、シャワーの可変長点雲表現における複雑な空間的およびエネルギー的相関を生成することができる。 高粒度のLDD検出器でシミュレートされたシャワーの多様なデータセットに基づいてトレーニングされたこのモデルは、電子、光子、荷電および中性ハドロンに対する現実的なシャワーを、再トレーニングすることなく広範囲のインシデントエネルギーと角度で生成する能力を示す。 複数の粒子に対するシャワー生成の統一に加えて、AllShowersはハドロンシャワーに対する以前の単一粒子型モデルの忠実度を上回っている。 主な革新としては、モデルが関連するすべてのカロリーメートル層の特性を学習することを可能にする層埋め込みの使用、計算要求を減らし、有益な帰納バイアスをもたらすカスタムアテンションマスキングスキーム、トレーニング収束とサンプル品質を改善するためのシャワーおよび層ワイドのトランスポートマッピングなどがある。 AllShowersは、コライダー実験におけるカロリーメータシャワーシミュレーションの普遍的なモデルに向けた重要な一歩である。

関連論文リスト

• CaloHadronic: a diffusion model for the generation of hadronic showers [0.0]
  高粒度カロリーにおける粒子のシャワーのシミュレーションは、粒子物理学への機械学習の適用における重要なフロンティアである。 近年の研究では,拡散型シャワーシミュレーションが極めて効率的であることが示されている。 電磁波とハドロン熱量計にまたがってシャワーを均等に発生させる機械学習手法は、これが初めてである。
  論文  参考訳（メタデータ） (2025-06-26T19:12:44Z)
• CaloChallenge 2022: A Community Challenge for Fast Calorimeter Simulation [22.42342223406944]
  我々は,「Fast Calorimeter Simulation Challenge 2022 - the CaloChallenge」の結果を提示する。 本研究では,4カロリーのシャワーデータセットの次元性向上に関する最先端生成モデルについて検討した。
  論文  参考訳（メタデータ） (2024-10-28T23:28:07Z)
• Energy-Based Diffusion Language Models for Text Generation [126.23425882687195]
  エネルギーベース拡散言語モデル(Energy-based Diffusion Language Model, EDLM)は、拡散ステップごとに全シーケンスレベルで動作するエネルギーベースモデルである。 我々のフレームワークは、既存の拡散モデルよりも1.3$times$のサンプリングスピードアップを提供する。
  論文  参考訳（メタデータ） (2024-10-28T17:25:56Z)
• Comparison of Point Cloud and Image-based Models for Calorimeter Fast Simulation [48.26243807950606]
  2つの最先端スコアベースのモデルが、同じカロリーメータのシミュレーションに基づいてトレーニングされ、直接比較される。 生成モデルは、高次元のカロリーメーターデータセットを正確に生成することが示されている新しい生成モデルのクラスである。
  論文  参考訳（メタデータ） (2023-07-10T08:20:45Z)
• CaloClouds: Fast Geometry-Independent Highly-Granular Calorimeter Simulation [0.0]
  高粒度検出器における粒子のシャワーのシミュレーションは、粒子物理学への機械学習の適用における重要なフロンティアである。 この研究は、初めて数千の空間点の点雲を3次元空間の検出器で直接生成し、固定格子構造に頼ることなく大きなブレークスルーを成し遂げた。
  論文  参考訳（メタデータ） (2023-05-08T16:44:15Z)
• Geometry-aware Autoregressive Models for Calorimeter Shower Simulations [6.01665219244256]
  本研究では, 幾何線量に基づく幾何学的自己回帰モデルを構築した。 これは、新しい目に見えないカロリーメーターに一般化できるモデルを構築するための、概念実証の重要なステップである。 このようなモデルは、大型ハドロン衝突型加速器実験において、カロリーメータシミュレーションに使用される数百の生成モデルを置き換えることができる。
  論文  参考訳（メタデータ） (2022-12-16T01:45:17Z)
• CaloMan: Fast generation of calorimeter showers with density estimation on learned manifolds [10.089611750812391]
  計算に高価なシミュレーションのほとんどは、カロリーメータのシャワーを含む。 深部生成モデルにより、物理に基づくシミュレーションよりもはるかに早く、リアルなカロリーメータのシャワーを発生させることができる。 まず、その多様体構造を学習し、次にこの多様体にまたがるデータの密度を推定することで、熱量計のシャワーをモデル化する。
  論文  参考訳（メタデータ） (2022-11-23T19:00:03Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• 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。