論文の概要: Infrared Subtraction with Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2609.36007v3
• Date: Tue, 06 Oct 2026 16:02:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.225945
• Title: Infrared Subtraction with Artificial Intelligence
• Title（参考訳）: 人工知能を用いた赤外線サブトラクション
• Abstract要約: 我々は、BornとETFマッチングの投影に基づく、AIによって開発された局所赤外サブトラクションを提案する。 電子-陽電子消滅反応における3-および4-ジェット生成の完全なNLO補正を再構築する。 我々の研究結果は、赤外線サブトラクションを構築し、数値積分を改善することにより、AIが高次計算にどのように役立つかを示す。
• 参考スコア（独自算出の注目度）: 9.641266715118624
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present AI-developed local infrared subtraction, building on projection to Born and EFT matching. The framework separates an integrable radiation term from a finite contribution at Born kinematics, referred to as the Born contact. The contact is determined using the EFT singular distribution in a resolution observable such as N-jettiness $τ_N$. Under human physics guidance, an LLM develops two implementations. One uses a neural network for phase space projection and fits the contact by matching to EFT cumulants. The other uses an analytic construction that keeps the Born momenta fixed while integrating over radiation. It combines the EFT $δ(τ_N)$ coefficient with finite 4-dimensional radiation integrals to calculate the contact term directly. This gives a local subtraction formula without a slicing parameter, while reusing existing lower-order radiation calculations and EFT singular predictions. As a demonstration, we reconstruct the full NLO correction for massless 3- and 4-jet production in electron-positron annihilation. The attempt to the NNLO dijet production is also made by recursively using the NLO P2B construction with the LLM designing machine-learning controls to reduce the variance of the contact integral. The tested predictions are in good agreement with EERAD3. The numerical calculation and projection-network training use a 2020 Apple M1 MacBook, without GPU acceleration, illustrating the feasibility of the construction with modest computing resources. The appendices develop an extension of the local subtraction to 3-jet NNLO, giving explicit radiation maps and a proposed contact formula. We also show how to integrate over NNLO radiation while keeping the Born momenta fixed, for any number of massless final-state jets. Our results demonstrate how AI can help higher-order calculations by constructing infrared subtraction and improving its numerical integration.
• Abstract（参考訳）: 我々は、BornとETFマッチングの投影に基づく、AIによって開発された局所赤外サブトラクションを提案する。 この枠組みは、積分可能な放射項をボルン・キネマティクスにおける有限の寄与から分離し、ボルン・コンタクトと呼ばれる。 接触は、N−jettiness $τ_N$のような分解能観測可能なEDT特異分布を用いて決定される。 人間の物理学指導の下で、LLMは2つの実装を開発する。 位相空間投影にはニューラルネットワークを使用し、EFT累積とマッチングすることで接触に適合する。 もう1つは分析的な構造を使用して、放射線を吸収しながらボルンモーメントを固定する。 EFT $δ(τ_N)$係数と有限4次元放射積分を組み合わせ、接触項を直接計算する。 これにより、既存の低次放射計算とEDT特異予測を再利用しながら、スライシングパラメータを含まない局所減算式が得られる。 実演として、電子-陽電子消滅における質量を持たない3と4のジェット生成のための完全なNLO補正を再構築する。 NNLOディジェット生産の試みは、NLO P2B構造をLLMで再帰的に使用して、接触積分のばらつきを低減することによる。 テストされた予測はEERAD3とよく一致している。 数値計算とプロジェクションネットワークのトレーニングでは、GPUアクセラレーションなしで2020年のApple M1 MacBookを使用しており、控えめなコンピューティングリソースによる構築の可能性を示している。 虫垂は局所的な減量線を3ジェットNNLOに拡張し、露光マップと提案された接触公式を与える。 また、あらゆる数の無質量最終状態ジェットに対して、ボルンモータを固定しながらNNLO放射を超越する方法を示す。 我々の研究は、AIが赤外線サブトラクションを構築し、数値積分を改善することにより、高次計算にどのように役立つかを示す。

関連論文リスト

• INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
  本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。 $mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。 大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
  論文  参考訳（メタデータ） (2025-11-16T20:14:28Z)
• ADAPT: Lightweight, Long-Range Machine Learning Force Fields Without Graphs [6.683253616106448]
  第一原理法は、欠陥データベースのスケールを含む欠陥エネルギーと構造を計算するために広く使われている。 MLFFは計算コストが高く、機械学習力場(MLFF)は構造緩和を加速させる魅力的な代替品である。 既存のMLFFのほとんどはグラフニューラルネットワーク(GNN)をベースとしている。 本稿では,グラフ表現を空間内直接座標で置き換えるMLFFである ADAPT (Accelerated Deep Atomic Potential Transformer) を導入する。
  論文  参考訳（メタデータ） (2025-09-28T23:18:57Z)
• Enabling Automatic Differentiation with Mollified Graph Neural Operators [73.52999622724101]
  本稿では,自動微分と任意のジオメトリの正確な勾配を求める最初の手法であるモリファイドグラフニューラル演算子(m$GNO)を提案する。 正規格子上のPDEの例では、$m$GNOとオートグレードの組み合わせにより、L2相対データの誤差は有限差に比べて20倍減少した。 また、物理損失のみを使用し、有限差分に必要な分解能よりもはるかに低い精度で、非構造化点雲上のPDEをシームレスに解くことができる。
  論文  参考訳（メタデータ） (2025-04-11T06:16:30Z)
• GS-SDF: LiDAR-Augmented Gaussian Splatting and Neural SDF for Geometrically Consistent Rendering and Reconstruction [12.293953058837653]
  デジタル双生児は、自律運転と具現化された人工知能の開発に基礎を成している。 ニューラルサインされた距離場とガウススプラッティングを相乗化する統合LiDAR視覚システムを提案する。 実験では、様々な軌道にまたがる再現精度とレンダリング品質が向上した。
  論文  参考訳（メタデータ） (2025-03-13T08:53:38Z)
• Physics-informed reduced order model with conditional neural fields [4.5355909674008865]
  本研究では、パラメータ化偏微分方程式(PDE)の解を近似するために、低次モデリング(CNF-ROM)フレームワークのための条件付きニューラルネットワークを提案する。 このアプローチは、潜伏状態からPDEソリューションを再構成するデコーダと、時間とともに潜伏ダイナミクスをモデル化するためのパラメトリックニューラルネットワークODEを組み合わせる。
  論文  参考訳（メタデータ） (2024-12-06T18:04:33Z)
• DimINO: Dimension-Informed Neural Operator Learning [41.37905663176428]
  Diminoは次元分析にインスパイアされたフレームワークである。 既存のニューラル演算子アーキテクチャにシームレスに統合することができる。 PDEデータセットで最大76.3%のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2024-10-08T10:48:50Z)
• Efficient Approximations of Complete Interatomic Potentials for Crystal Property Prediction [63.4049850776926]
  結晶構造は、3次元空間で無限に繰り返される最小単位セルからなる。 現在の手法は、近くのノード間だけにエッジを確立することによってグラフを構築する。 距離のみを用いるのではなく,物理を前提とした原子間ポテンシャルを直接モデル化することを提案する。
  論文  参考訳（メタデータ） (2023-06-12T07:19:01Z)
• Enhanced Laser-Scan Matching with Online Error Estimation for Highway and Tunnel Driving [0.0]
  Lidarデータは、自動運転車やモバイルロボットプラットフォームのナビゲーションのためのポイントクラウドを生成するために使用できる。 本稿では,2つの新しい改良点を提供するスキャンマッチングアルゴリズムであるIterative Closest Ellipsoidal Transform (ICET)を提案する。
  論文  参考訳（メタデータ） (2022-07-29T13:42:32Z)

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。