論文の概要: Machine-learning-based neutrino-event generation constrained by experimental measurements
- arxiv url: http://arxiv.org/abs/2610.20870v1
- Date: Wed, 14 Oct 2026 19:59:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.051859
- Title: Machine-learning-based neutrino-event generation constrained by experimental measurements
- Title（参考訳）: 実験により制約された機械学習に基づくニュートリノ生成
- Abstract要約: 本稿では, 事象レベルの実験試料を使わずに, 測定値の差分断面に校正できる, 電荷電流(_)-核散乱のための生成サロゲートについて述べる。
MicroBooNE測定のサロゲートを微調整し、フィットに使用されていない可観測物の記述を改善したことを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a generative surrogate for charged-current \(ν_μ\)-nucleus scattering that can be calibrated to measured differential cross sections without event-level experimental samples. Starting from a theoretical interaction model, we fine-tune the surrogate to a MicroBooNE measurement and show that this also improves the description of observables not used in the fit. The calibrated model can also be applied to measurements from different neutrino fluxes without retuning, while retaining event-level predictions of outgoing-muon kinematics. Our results show that experimental cross sections can directly constrain generative event models while preserving their applicability across different observables and beam configurations.
- Abstract（参考訳）: 本稿では, 荷電電流 \(ν_μ\)-核散乱に対する生成的サロゲートについて述べる。
理論的な相互作用モデルから始めると、サロゲートをMicroBooNE測定に微調整し、フィットに使用されていない可観測物の記述も改善することを示す。
キャリブレーションモデルはまた、外向ミューオン運動学の事象レベルの予測を維持しながら、調整することなく異なるニュートリノフラックスの測定にも適用することができる。
この結果から, 実験断面は, 可観測・ビーム構成にまたがる適用性を保ちつつ, 生成イベントモデルを直接的に制約できることがわかった。
関連論文リスト
- Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment [51.246114581338865]
科学と工学における根本的な課題は、シミュレーションと実験のギャップである。
このギャップを埋めるデータ駆動型分散アライメントフレームワークを提案する。
本手法は,複数個の相関した観測可能値であっても,対象の観測可能分布を復元できることを実証する。
論文 参考訳（メタデータ） (2026-04-01T17:21:33Z) - Machine Learning Neutrino-Nucleus Cross Sections [0.0]
断面の正確なニューラルネットモデルが, 近接検出器データから学習可能であることを示す。
次に、シミュレーションされた遠距離検出器イベントを用いてニュートリノ振動解析を行い、モデル化された断面が真断面が正確に分かっている場合に得られる結果と一致した結果が得られることを示した。
論文 参考訳（メタデータ） (2024-12-20T19:29:34Z) - Full Event Particle-Level Unfolding with Variable-Length Latent Variational Diffusion [44.6263403467016]
生成機械学習モデルは、多数の次元で未結合の展開を実行することを約束している。
生成的展開に対する変動潜在拡散モデル(VLD)アプローチの新たな変更について述べる。
この手法の性能は、大型ハドロン衝突型加速器における半レプトニックトップクォーク対生成の文脈で評価される。
論文 参考訳（メタデータ） (2024-04-22T16:47:10Z) - Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。
我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。
カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
論文 参考訳（メタデータ） (2024-02-19T02:08:09Z) - Applications of flow models to the generation of correlated lattice QCD ensembles [69.18453821764075]
機械学習された正規化フローは、格子量子場理論の文脈で、異なる作用パラメータで格子ゲージ場の統計的に相関したアンサンブルを生成するために用いられる。
本研究は,これらの相関を可観測物の計算における分散低減に活用する方法を実証する。
論文 参考訳（メタデータ） (2024-01-19T18:33:52Z) - Flow-based sampling in the lattice Schwinger model at criticality [54.48885403692739]
フローベースアルゴリズムは、格子場理論への応用のためのフィールド分布の効率的なサンプリングを提供することができる。
フェルミオン質量の臨界値におけるシュウィンガーモデルにおけるロバストな流れに基づくサンプリングの数値的な実演を行う。
論文 参考訳（メタデータ） (2022-02-23T19:00:00Z) - Likelihood-Free Inference in State-Space Models with Unknown Dynamics [71.94716503075645]
本研究では、状態空間モデルにおいて、観測をシミュレートすることしかできず、遷移ダイナミクスが不明な潜在状態の推測と予測を行う手法を提案する。
本研究では,限られた数のシミュレーションで状態予測と状態予測を行う手法を提案する。
論文 参考訳（メタデータ） (2021-11-02T12:33:42Z)
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。