論文の概要: Fine-tuned Normalizing Flows for ALICE Zero Degree Calorimeter Fast Simulation

• arxiv url: http://arxiv.org/abs/2608.12795v1
• Date: Thu, 13 Aug 2026 04:06:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.39378
• Title: Fine-tuned Normalizing Flows for ALICE Zero Degree Calorimeter Fast Simulation
• Title（参考訳）: ALICE Zero Degree Calorimeter Fast Simulationのための微調整正規化流れ
• Abstract要約: LHC における ALICE Zero Degree Calorimeter (ZDC) 中性子検出器の応答のシミュレーションは計算コストがかかる。 正規化フロー(NFs)に着目した生成的サロゲートの開発 この研究は、LHC検出器シミュレーションのための一般化可能なNFベースのフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulating the ALICE Zero Degree Calorimeter (ZDC) neutron detector responses at the LHC is computationally expensive, requiring complex Monte Carlo chains. We develop a generative surrogate, focusing on Normalizing Flows (NFs). Through transfer learning, we pre-train on the full imbalanced dataset and fine-tune specialized models for different particle types ($γ$, $n$, $Λ$, $K_S^0$, $Σ^+$) using two gradual-unfreezing schemes. As standard ZDC metrics like Wasserstein distance overlook conditional structure, we introduce refined metrics: conditional weighted MAE, dispersion ratio, and Jaccard co-activation error, that better capture physics-relevant input-output dependencies and response variability. Our ensemble of fine-tuned models achieves a Wasserstein distance of $1.61 \pm 0.02$, outperforming baselines across all metrics. This work provides a generalizable NF-based framework for LHC detector simulation, combining NFs, conditional fine-tuning, and physics-motivated evaluation.
• Abstract（参考訳）: ALICE Zero Degree Calorimeter (ZDC) 中性子検出器のLHCでの応答のシミュレーションは計算に高価であり、複雑なモンテカルロ鎖を必要とする。 我々は,正規化フロー(NFs)に着目した生成的サロゲートを開発する。 トランスファーラーニングを通じて,2つの段階的非凍結スキームを用いて,全不均衡データセットと異なる粒子タイプ(γ$,$n$,$a$,$K_S^0$,$Σ^+$)のファインチューン特化モデルについて事前訓練を行った。 条件付き重み付きMAE, 分散比, ジャカード共活性化誤差など, 物理関連入力出力依存性と応答変数をよりよくとらえることのできる, 標準的なZDC測度として, 条件付きMAE, 分散比, およびジャカード共振誤差を導入している。 我々の微調整されたモデルのアンサンブルは、ワッサーシュタイン距離が1.61 pm 0.02$であり、全ての指標においてベースラインを上回っている。 この研究は、LHC検出器シミュレーションのための一般化可能なNFベースのフレームワークを提供する。

関連論文リスト

• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• Applications of quantum annealing to magnetic dipole hyperfine structure constants: First results beyond energies for atoms [0.0]
  磁気双極子双極子超微細構造(HFS)定数の最初の結果は、D-Waveの量子ハードウェア上の量子アニール固有解法(QAE)アルゴリズムの修正版を用いて、中性$mathrmLi$、Li-like $mathrmBe$、中性$mathrmNa$、Na-like $mathrmMg$である。
  論文  参考訳（メタデータ） (2026-06-18T12:33:53Z)
• Loss-Conditional PINNs for Parametric PDE Families [45.945826972787415]
  物理インフォームドニューラルネットワーク(PINN)は、残差、境界、初期およびデータ損失の重み付けを最小化し、ODEとPDEの解を近似する。 我々は,Dosovitskiy と Djolonga (2020) の損失条件訓練を PDE-Residual 設定に適応させるLC-PINNを紹介した。 完全な物理情報しか持たないが、パラメトリックな家族の訓練も受けている。
  論文  参考訳（メタデータ） (2026-06-03T04:02:10Z)
• A Numerical Method for Coupling Parameterized Physics-Informed Neural Networks and FDM for Advanced Thermal-Hydraulic System Simulation [0.0]
  MELCORのようなシステムレベルのコードを用いた重大事故解析は、核安全性評価には不可欠である。 既存のサロゲートモデルはこれらの解析を加速するが、大量のシミュレーションデータに依存する。 物理インフォームドニューラルネットワーク(PINN)は、データフリーなトレーニングを可能にするが、問題パラメータの変更毎に再トレーニングする必要がある。
  論文  参考訳（メタデータ） (2026-04-03T02:50:58Z)
• JetPrism: diagnosing convergence for generative simulation and inverse problems in nuclear physics [0.5823178881486669]
  高忠実度モンテカルロシミュレーションと複素逆問題(英語版)は、頑健なデータ解析に必要不可欠である。 条件付きフローマッチング(CFM)は、これらのタスクを加速するための数学的に堅牢なアプローチを提供するが、その標準的なトレーニング損失が根本的に誤解を招くことを実証する。 厳密な物理学の応用において、CFM損失プラトーは、真の収束と物理的忠実性の信頼性の低い指標として機能する。
  論文  参考訳（メタデータ） (2026-04-01T18:36:47Z)
• Entropy-Controlled Flow Matching [0.08460698440162889]
  本稿では,グローバルエントロピーレートの予算d/dt H(mu_t) >=-lambdaを強制する連続性方程式パスに対する制約付き変分原理を提案する。 そこで我々は,Lipschitzによる証明型モード被覆と密度フロア保証を取得し,非拘束フローマッチングのための準最適逆例を構築した。
  論文  参考訳（メタデータ） (2026-02-25T06:07:01Z)
• Stabilizing Fixed-Point Iteration for Markov Chain Poisson Equations [49.702772230127465]
  有限状態マルコフ鎖を$n$状態と遷移行列$P$で研究する。 すべての非退化モードが実周辺不変部分空間 $mathcalK(P)$ によってキャプチャされ、商空間 $mathbbRn/mathcalK(P) 上の誘導作用素が厳密に収縮し、ユニークな商解が得られることを示す。
  論文  参考訳（メタデータ） (2026-01-31T02:57:01Z)
• Scaling of Stochastic Normalizing Flows in $\mathrm{SU}(3)$ lattice gauge theory [44.99833362998488]
  非平衡マルコフ連鎖モンテカルロシミュレーションは、ターゲット確率分布からのサンプルに対するジャージンスキーの等式に基づくよく理解されたフレームワークを提供する。 平衡外進化はフローベースアプローチの同じ枠組みを共有しており、自然に正規化フロー(SNF)と呼ばれる新しいアーキテクチャに結合することができる。 4次元における$mathrmSU(3)$の格子ゲージ理論に対するSNFの最初の実装は、非平衡モンテカルロ更新の間にゲージ同変層を導入することで定義される。
  論文  参考訳（メタデータ） (2024-11-29T19:01:05Z)
• Dynamic, Symmetry-Preserving, and Hardware-Adaptable Circuits for Quantum Computing Many-Body States and Correlators of the Anderson Impurity Model [0.0]
  ハミルトン予想値は$omega(N_q)N_textmeas. leq O(N_textimpN_textbath)$対称性保存並列測定回路を必要とする。 我々のアンサッツは、初期のフォールトトレラントプロセッサの電子的相関を考慮に入れるのに有用なツールである。
  論文  参考訳（メタデータ） (2024-05-23T21:41:28Z)
• Taming Hyperparameter Tuning in Continuous Normalizing Flows Using the JKO Scheme [60.79981399724534]
  正規化フロー (NF) は、選択された確率分布を正規分布に変換する写像である。 OTベースのCNFを$alpha$をチューニングすることなく解くアルゴリズムであるJKO-Flowを提案する。
  論文  参考訳（メタデータ） (2022-11-30T05:53:21Z)
• A New Framework for Variance-Reduced Hamiltonian Monte Carlo [88.84622104944503]
  分散還元型ハミルトン・モンテカルロ法 (HMC) の新たなフレームワークを提案し,$L$-smooth および $m$-strongly log-concave 分布からサンプリングする。 本研究では,SAGA法やSVRG法をベースとした非バイアス勾配推定器を用いて,バッチサイズを小さくすることで,高い勾配効率が得られることを示す。 総合的および実世界のベンチマークデータによる実験結果から、我々の新しいフレームワークは、完全な勾配と勾配HMCアプローチを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2021-02-09T02:44:24Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。