論文の概要: Functional anatomy of Pythia-Herwig differences with Kolmogorov-Arnold networks
- arxiv url: http://arxiv.org/abs/2608.15952v1
- Date: Sun, 16 Aug 2026 22:53:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.478822
- Title: Functional anatomy of Pythia-Herwig differences with Kolmogorov-Arnold networks
- Title（参考訳）: Kolmogorov-ArnoldネットワークによるPythia-Herwig相違の機能解剖
- Abstract要約: 高エネルギーイベントジェネレータの違いは、衝突シミュレーションのいくつかの段階で生じる可能性がある。
本研究では,この問題を生成モデル差の段階的機能解析として定式化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Differences between high-energy event generators can arise at several stages of the collision simulation, from the hard scattering through parton showering and hadronization to the final event. These differences are usually summarized using observable distributions or global classifier scores. While these quantify the disagreement, they do not reveal which observable-level structures carry it or whether those structures persist through different stages of event generation. In this work, we formulate this problem as a staged functional analysis of generator-model differences. Following the same hard dijet events through Pythia and Herwig at shower-only, hadronized, and full-generator levels, we use an additive Kolmogorov-Arnold network (KAN) representation of the classifier-derived log density ratio to decompose the learned discrepancy into explicit one-dimensional observable responses that can be isolated, recomposed, and transported between generator stages. Within the same eight-observable jet representation, the Pythia-Herwig difference is driven mainly by multiplicity at shower level, shifts toward jet mass and shape after hadronization, and develops a mixed shape-multiplicity driven structure in the full-generator configuration. Transporting the individual shower-level functional components downstream shows that shower-level multiplicity information can retain its reweighting power, whereas the corresponding shape responses need not do so even though shape becomes important again at later stages. The jet-mass factors, meanwhile, are limited by poor statistical support. This KAN-based framework therefore provides a functional anatomy of generator-model dependence, exposing both persistent structures and support failures that are hidden inside a single global classifier-derived reweighting function.
- Abstract（参考訳）: 高エネルギーイベント発生器の違いは、衝突シミュレーションのいくつかの段階で生じる可能性がある。
これらの差は通常、観測可能な分布や大域的な分類器スコアを用いて要約される。
これらは意見の相違を定量化するが、観測可能なレベルの構造がどの構造を持っているか、あるいはそれらの構造がイベント生成の異なる段階に留まるかは明らかにしない。
本研究では,この問題を生成モデル差の段階的機能解析として定式化する。
シャワーオンリー, ハドロン化, フルジェネレータレベルでのPythiaとHerwigによる同じ硬いジジェットイベントに続いて, 分類器由来のログ密度比の加法的Kolmogorov-Arnoldネットワーク(KAN)表現を用いて, 学習した不一致を, 分離, 再分解, ジェネレータ間への輸送が可能な1次元可観測応答に分解する。
同じ8つの観測可能なジェット表現の中では、Pythia-Herwig差は主にシャワーレベルの多重度、ハドロン化後のジェット質量と形状へのシフトによって駆動され、フルジェネレータ構成で混合形状・多重性駆動構造が発達する。
個別のシャワーレベルの機能成分を下流に輸送すると、シャワーレベルの多重度情報はその再重み付け能力を維持することができるが、それに対応する形状応答は後段に再び重要になるにもかかわらず必要ではない。
一方、ジェット質量の要因は統計的支援が乏しいため限られている。
このkanベースのフレームワークは、ジェネレータモデル依存の機能解剖を提供し、単一のグローバルな分類器由来の再重み付け関数内に隠された永続構造とサポート障害の両方を露呈する。
関連論文リスト
- "More Is Different'' in Neural Circuits: Algebraic Emergence of Effective Theories in Canonical Recurrent Motifs of Biological Neuronal Networks [0.0]
我々は、カノニカルニューラルネットワークのモチーフとその構成を有限変換系として表現する。
入力条件の更新によって生成される遷移モノイドを解析する。
論文 参考訳（メタデータ） (2026-08-31T04:36:37Z) - When Is a General Factor Distinguishable? Non-Proportionality, Stable Structure, and the Bifactor Decision [2.1494179586067537]
識別可能性(distinguishability)は、K$-factorクラスへの人口距離によって測定される。
4つの経験的データセットは、可能な結果を示している。
論文 参考訳（メタデータ） (2026-08-11T09:46:15Z) - Shared Symbolic Backbones for Physically Consistent Multi-Output Symbolic Regression [10.085152540674164]
結合多出力系に対する神経進化的シンボリック回帰法を提案する。
この方法は共有シンボルバックボーンを検索する。
提案するフレームワークは汎用的な予測器ではなく,構造化された共有機構抽出器である。
論文 参考訳（メタデータ） (2026-07-29T06:47:36Z) - Causal Variational Deep Embedding: A Family of Interventional Generators for Confounded Images [23.146237151956765]
CauVaDEは多様な介入サンプルを生成し、未確立の参照に対してFIDを改善している。
画像データベンチマークの実験では、CauVaDEは様々な介入サンプルを生成し、未確立の参照に対してFIDを改善している。
論文 参考訳（メタデータ） (2026-06-19T23:59:14Z) - PerturbDiff: Functional Diffusion for Single-Cell Perturbation Modeling [32.464109652332915]
PerturbDiffは、個々の細胞から分布全体へモデリングをシフトする。
PerturbDiffは、単一セル応答予測における最先端のパフォーマンスを実現し、目に見えない摂動をはるかに良く一般化する。
論文 参考訳（メタデータ） (2026-02-23T10:28:56Z) - Loss-Complexity Landscape and Model Structure Functions [53.92822954974537]
我々はコルモゴロフ構造関数 $h_x(alpha)$ を双対化するためのフレームワークを開発する。
情報理論構造と統計力学の数学的類似性を確立する。
構造関数と自由エネルギーの間のルジャンドル・フェンシェル双対性を明確に証明する。
論文 参考訳（メタデータ） (2025-07-17T21:31:45Z) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳（メタデータ） (2023-01-23T15:18:54Z) - Unified Fourier-based Kernel and Nonlinearity Design for Equivariant
Networks on Homogeneous Spaces [52.424621227687894]
等質空間上の群同変ネットワークに対する統一的枠組みを導入する。
昇降した特徴場のフーリエ係数の空間性を利用する。
安定化部分群におけるフーリエ係数としての特徴を取り扱う他の方法が、我々のアクティベーションの特別な場合であることを示す。
論文 参考訳（メタデータ） (2022-06-16T17:59:01Z) - Equivariance Allows Handling Multiple Nuisance Variables When Analyzing
Pooled Neuroimaging Datasets [53.34152466646884]
本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。
いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
論文 参考訳（メタデータ） (2022-03-29T04:54:06Z) - GANs with Variational Entropy Regularizers: Applications in Mitigating
the Mode-Collapse Issue [95.23775347605923]
深層学習の成功に基づいて、GAN(Generative Adversarial Networks)は、観測されたサンプルから確率分布を学習するための現代的なアプローチを提供する。
GANはしばしば、ジェネレータが入力分布の既存のすべてのモードをキャプチャできないモード崩壊問題に悩まされる。
情報理論のアプローチを採り、生成したサンプルのエントロピーの変動的下限を最大化し、それらの多様性を増大させる。
論文 参考訳（メタデータ） (2020-09-24T19:34:37Z) - ACDC: Weight Sharing in Atom-Coefficient Decomposed Convolution [57.635467829558664]
我々は,CNNにおいて,畳み込みカーネル間の構造正則化を導入する。
我々はCNNがパラメータや計算量を劇的に減らして性能を維持していることを示す。
論文 参考訳（メタデータ） (2020-09-04T20:41:47Z) - On super-Poissonian behavior of the Rosenzweig-Porter model in the
non-ergodic extended regime [0.0]
Rosenzweig-Porterモデルでは、エルゴード拡張金属相と局在相の間の非エルゴード拡大相を示す。
この位相は波動関数のフラクタル挙動とエネルギースペクトルの相関したミニバンド構造によって特徴づけられる。
論文 参考訳（メタデータ） (2020-07-03T15:11:56Z)
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。