論文の概要: Event Generation with Parallel Langevin Sampling and Learned Stein Diagnostics

• arxiv url: http://arxiv.org/abs/2606.14854v1
• Date: Fri, 12 Jun 2026 18:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.344182
• Title: Event Generation with Parallel Langevin Sampling and Learned Stein Diagnostics
• Title（参考訳）: 並列ランジェヴィンサンプリングによるイベント生成とステイン診断
• Authors: Rob Verheyen,
• Abstract要約: イベント生成は精度コライダー現象学における主要な計算課題である。 我々は、多くの平行なアンダーダムランゲヴィン鎖に基づく代替アプローチについて研究する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient event generation is a major computational challenge for precision collider phenomenology, especially for high-multiplicity final states where matrix-element evaluations are expensive and rejection-sampling efficiencies are low. We study an alternative approach based on many parallel underdamped Langevin chains, retaining one terminal state from each chain to obtain unweighted events while avoiding within-chain autocorrelation. A learned Stein discrepancy is used as a convergence diagnostic, providing a data-driven estimate of the relaxation time. We apply the method to tree-level $u\bar u\to Z+n g$ event generation and find that relaxation requires only a modest number of exact-target Langevin steps, with mild growth over the multiplicities studied. Finally, we show that simple neural-network surrogate initialization can substantially reduce the required number of exact matrix-element and gradient evaluations.
• Abstract（参考訳）: 効率の良い事象生成は、特に行列要素評価が高価であり、拒絶サンプリング効率が低い高倍率最終状態において、精度コライダー現象学の主要な計算課題である。 我々は,複数の並列アンダーダム型ランゲヴィン鎖に基づく代替手法について検討し,鎖内自己相関を回避しつつ,各鎖から1つの終端状態を保持して未加重事象を得る。 学習されたスタイン差分は収束診断として使われ、緩和時間のデータ駆動推定を提供する。 この手法をツリーレベル $u\bar u\to Z+n g$ イベント生成に適用し、緩和には厳密な目標であるランゲヴィンステップの緩やかな数しか必要とせず、乗法よりも緩やかに成長することを示した。 最後に、単純なニューラルネットワークサロゲート初期化により、正確な行列要素および勾配評価の必要な回数を大幅に削減できることを示す。

関連論文リスト

• Computation of Least Trimmed Squares: A Branch-and-Bound framework with Hyperplane Arrangement Enhancements [21.28320211178358]
  最小トリミング正方形(LTS)回帰問題(英語版)は、大きめの残差を捕獲することによってデータにおける外れ値の影響を緩和する頑健な推定器である。 既存のMIO(mixed-integer Optimization)の定式化は、弱い緩和と観測数における指数的な最悪ケースの複雑さのために、不十分にスケールする。 我々は,超平面配置論理を視点再構成に組み込んだMIOの新たな定式化を提案し,最適解の構造的特性を明示する。
  論文  参考訳（メタデータ） (2026-04-13T15:00:53Z)
• The Critical Horizon: Inspection Design Principles for Multi-Stage Operations and Deep Reasoning [0.0]
  初期段階と最終結果とを繋ぐ信号は指数関数的に減衰することを示す。 これにより、データのみからの信頼できる学習が指数関数的に多くのサンプルを必要とする、重要な地平が生まれる。 これらの結果は、AIの操作におけるインスペクション設計とインスペクション設計のための共通の分析基盤を提供する。
  論文  参考訳（メタデータ） (2026-02-10T04:02:29Z)
• Fractured Chain-of-Thought Reasoning [61.647243580650446]
  完全CoTと解のみのサンプリングを補間する統合推論時間戦略であるフラクチャードサンプリングを導入する。 フラクチャードサンプリングは、Pass@kとトークンの予算に対して、急激なログ線形スケーリングゲインをもたらすため、優れた精度とコストのトレードオフを一貫して達成できることを示す。
  論文  参考訳（メタデータ） (2025-05-19T11:30:41Z)
• Parallel Simulation for Log-concave Sampling and Score-based Diffusion Models [55.07411490538404]
  本稿では,次元$d$の適応的複雑性依存性を改善する並列サンプリング手法を提案する。 我々の手法は科学計算による並列シミュレーション技術に基づいている。
  論文  参考訳（メタデータ） (2024-12-10T11:50:46Z)
• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• Provably Accelerating Ill-Conditioned Low-rank Estimation via Scaled Gradient Descent, Even with Overparameterization [48.65416821017865]
  この章では、スケールドグラデーション(ScaledGD)と呼ばれる新しいアルゴリズムアプローチを紹介します。 低ランク物体の条件数に依存しない定数速度で直線的に収束する。 様々なタスクに対して、勾配降下の低い摂動コストを維持できる。
  論文  参考訳（メタデータ） (2023-10-09T21:16:57Z)
• FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
  この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。 脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。 その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-10-10T12:35:02Z)
• What needles do sparse neural networks find in nonlinear haystacks [0.0]
  人工ニューラルネットワーク(ANN)におけるスパーシリティ誘導ペナルティは、特にノイズが高く、トレーニングセットが小さい状況において、過度な適合を避ける。 線形モデルの場合、そのようなアプローチは、適切なコセンのペナルティパラメータに対するレギュレーションにおいて高い確率で重要な特徴を確実に回復する。 簡単なモデルを用いてモンテカルロシミュレーションを行い,提案手法の有効性を示した。
  論文  参考訳（メタデータ） (2020-06-07T04:46:55Z)

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。