論文の概要: Calorimeter Shower Superresolution with Conditional Normalizing Flows: Implementation and Statistical Evaluation

• arxiv url: http://arxiv.org/abs/2603.26813v1
• Date: Thu, 26 Mar 2026 17:07:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.636943
• Title: Calorimeter Shower Superresolution with Conditional Normalizing Flows: Implementation and Statistical Evaluation
• Title（参考訳）: 条件付き正規化流を用いたカロリメータショーア超解像:実装と統計的評価
• Abstract要約: この論文は、もともと高速シミュレーションのために設計された生成モデルが、カロリー・スーパーレゾリューションに効果的に適用できるかどうかを考察する。 具体的には、arXiv:2308.11700で提案されたモデルは独立して再実装され、Geant4 Par04 の幾何量計に基づいてCaloChallenge 2022データセットで訓練されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In High Energy Physics, detailed calorimeter simulations and reconstructions are essential for accurate energy measurements and particle identification, but their high granularity makes them computationally expensive. Developing data-driven techniques capable of recovering fine-grained information from coarser readouts, a task known as calorimeter superresolution, offers a promising way to reduce both computational and hardware costs while preserving detector performance. This thesis investigates whether a generative model originally designed for fast simulation can be effectively applied to calorimeter superresolution. Specifically, the model proposed in arXiv:2308.11700 is re-implemented independently and trained on the CaloChallenge 2022 dataset based on the Geant4 Par04 calorimeter geometry. Finally, the model's performance is assessed through a rigorous statistical evaluation framework, following the methodology introduced in arXiv:2409.16336, to quantitatively test its ability to reproduce the reference distributions.
• Abstract（参考訳）: 高エネルギー物理学では、正確なエネルギー測定や粒子の同定には詳細なカロリーメータのシミュレーションと再構成が不可欠であるが、その高い粒度は計算に高価である。 カロリーメータ超解像と呼ばれるタスクである、粗い読み出しからきめ細かい情報を回復することのできるデータ駆動技術の開発は、検出器性能を維持しながら、計算コストとハードウェアコストを削減できる有望な方法を提供する。 この論文は、もともと高速シミュレーションのために設計された生成モデルが、カロリー・スーパーレゾリューションに効果的に適用できるかどうかを考察する。 具体的には、arXiv:2308.11700で提案されたモデルは独立して再実装され、Geant4 Par04 の幾何量計に基づいてCaloChallenge 2022データセットで訓練されている。 最後に、モデルの性能は、arXiv:2409.16336で導入された手法に従って、厳密な統計的評価フレームワークを通じて評価され、参照分布を再現する能力を定量的にテストする。

関連論文リスト

• Physics-constrained Gaussian Processes for Predicting Shockwave Hugoniot Curves [39.92721695835137]
  ヒューゴニオット曲線に沿った衝撃物質状態を予測するための物理制約付きガウス過程回帰フレームワークを開発した。 このフレームワークは、予測の不確実性を定量化しながら、十分な精度でヒューゴニオット曲線を再現する。
  論文  参考訳（メタデータ） (2026-01-10T18:54:24Z)
• A First Full Physics Benchmark for Highly Granular Calorimeter Surrogates [0.0]
  本研究は, 実測シミュレーション応用における高粒度生成熱量サロゲートの利用について検討した。 本稿では, 生成熱量計サロゲートとリアルな検出器の組み合わせを可能にする汎用ライブラリDDMLを紹介する。 1つは正規グリッド表現で動作するもので、もう1つはあまり一般的でないポイントクラウドアプローチを用いている。
  論文  参考訳（メタデータ） (2025-11-21T15:06:49Z)
• Efficient Implementation of Gaussian Process Regression Accelerated Saddle Point Searches with Application to Molecular Reactions [39.58317527488534]
  本稿では,最小モード追従法のガウス過程回帰加速度の効率的な実装について述べる。 鞍点配置に到達するために必要な電子構造計算の桁数を求める。 C++におけるGPRサロゲートモデルの実装は、サドル点探索のウォールタイムを4つのケースのうち3つに抑えるのに十分な効率である。
  論文  参考訳（メタデータ） (2025-05-18T18:42:55Z)
• Physically Interpretable Representation and Controlled Generation for Turbulence Data [39.42376941186934]
  本稿では,高次元科学的データを低次元,物理的に意味のある表現に符号化するデータ駆動型手法を提案する。 レイノルズ数の範囲を越えるシリンダーを過ぎる流れの2次元ナビエ・ストークスシミュレーションを用いて,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-01-31T17:51:14Z)
• A Comprehensive Evaluation of Generative Models in Calorimeter Shower Simulation [0.0]
  ファストシミュレーション」は計算ボトルネックを克服する上で重要な役割を担っている。 深部生成モデルの使用により、検出器シミュレーションのための代理モデルへの関心が高まった。 評価の結果,CaloDiffusionおよびCaloScore生成モデルが最も正確な粒子シャワーシミュレーションを行った。
  論文  参考訳（メタデータ） (2024-06-08T11:17:28Z)
• Calo-VQ: Vector-Quantized Two-Stage Generative Model in Calorimeter Simulation [14.42579802774594]
  本稿では,ベクトル量子化変分オートエンコーダ(VQ-VAE)を応用した,カロリー検出器応答の高速シミュレーションのための新しい機械学習手法を提案する。 我々のモデルは2段階生成戦略を採用している: 幾何対応のカロリーメータデータを離散潜在空間に圧縮し、次に列モデルを用いて潜在トークンを学習・生成する。 顕著なことに、我々のモデルはミリ秒以内のカロリーメータシャワーを発生させる。
  論文  参考訳（メタデータ） (2024-05-10T17:12:48Z)
• Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
  本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。 実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-10T13:23:05Z)
• 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)
• Applying Physics-Informed Enhanced Super-Resolution Generative Adversarial Networks to Turbulent Premixed Combustion and Engine-like Flame Kernel Direct Numerical Simulation Data [0.0]
  この研究は、最近開発されたPIESRGANによる乱流予混合燃焼のモデリング手法を推し進めている。 その結果, 全乱流予混合火炎核の直接数値シミュレーションデータに対して, 先行実験と後続試験に良好な結果が得られた。
  論文  参考訳（メタデータ） (2022-10-28T15:27:46Z)
• Score-based Generative Models for Calorimeter Shower Simulation [2.0813318162800707]
  カロスコア(CaloScore)は、カロリーメータのシャワー発生に応用したコライダー物理のためのスコアベース生成モデルである。 CaloScoreは、コライダー物理学におけるスコアベースの生成モデルの最初の応用であり、全てのデータセットに対して高忠実度カロリー画像を生成することができる。
  論文  参考訳（メタデータ） (2022-06-17T18:01:02Z)
• 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。