树之枝:在高能物理中对具有离散与分支随机性的程序求导
机器学习
2023-09-01 v1 机器学习
高能物理 - 实验
高能物理 - 唯象学
数据分析、统计与概率
摘要
我们提出应用若干梯度估计技术,以实现对高能物理中具有离散随机性的程序求导。由于分支过程与基于聚类的分析的存在,此类程序在高能物理中十分常见。因此,对此类程序求导可为探测器设计优化、模拟器调参或数据分析与重建优化中的基于梯度的优化开辟道路。我们讨论了若干可能的梯度估计策略,包括近期的 Stochastic AD 方法,并在简化的探测器设计实验中对其进行了比较。在此过程中,我们开发了据我们所知首个完全可微的分支程序。
引用
@article{arxiv.2308.16680,
title = {Branches of a Tree: Taking Derivatives of Programs with Discrete and Branching Randomness in High Energy Physics},
author = {Michael Kagan and Lukas Heinrich},
journal= {arXiv preprint arXiv:2308.16680},
year = {2023}
}
备注
8 pages