利用生成对抗网络加速科学模拟：多层量能器中三维粒子簇射的应用

大型强子对撞机（LHC）上的物理学家依赖详细的粒子碰撞模拟，以在不同理论建模假设下建立实验数据可能呈现的预期。开发分析技术需要拍字节级的模拟数据，尽管使用现有算法和计算资源生成这些数据成本高昂。探测器建模以及粒子级联与量能器材料相互作用时的精确描述，是模拟流程中计算需求最高的步骤。因此，我们引入一种基于深度神经网络的生成模型，以实现高保真、快速的电磁量能器模拟。在整体相空间中实现精度仍面临挑战，但我们当前的解决方案能够复现多种粒子簇射属性，同时实现高达 100,000$\times$ 的加速比。这为快速模拟的新时代打开了大门，可节省大量计算时间和磁盘空间，同时拓展 LHC 及更远期物理搜索与精确测量的覆盖范围。