一种保留不确定度的蒙特卡洛重加权神经重采样器

蒙特卡洛事件生成器是对撞机物理数据分析的重要工具。为包含次领头阶量子修正，这些生成器常需产生负权重事件，导致数据集的统计稀释以及探测器模拟的下游计算成本。基于近期提出的在直方图区间内重新平衡权重的正重采样方法，我们引入了神经重采样：一种基于神经网络的蒙特卡洛重加权的无分箱方法，可良好地扩展到高维和变维相空间。我们特别关注保留事件样本的统计性质，使得神经重采样不仅维持任意可观测量均值，还维持其蒙特卡洛不确定度。该不确定度保留方案具有通用性，也可应用于分箱（非神经网络）重采样。为说明我们的神经重采样方法，我们给出了大型强子对撞机上顶夸克对产生在次领头阶与部分子簇射匹配的案例研究。