BROOD：用于高能物理事件生成器高效调参的双层与鲁棒优化及离群值检测
数值分析
2021-03-12 v2 数值分析
高能物理 - 唯象学
计算物理
摘要
蒙特卡洛（MC）事件生成器中的参数通过评估实验测量数据与 MC 预测之间的拟合优度进行调参。每项测量的相对重要性通常经手动调整，在一个往往耗时的迭代过程中满足不同实验需求。本工作中，我们引入若干带有新决策准则的优化公式与算法，以简化并自动化该过程。这些算法针对两种公式设计：双层优化与鲁棒优化。两种公式分别应用于 ATLAS A14 调参所使用的数据集，以及由 sherpa 生成器生成的专用强子化数据集。相应的调参生成器参数使用三个度量进行比较。我们将自动调参的质量与已发布的 ATLAS A14 调参进行比较。此外，我们分析了排除不能被 MC 事件生成器中物理模型描述的数据的预处理步骤的影响。
引用
@article{arxiv.2103.05751,
title = {BROOD: Bilevel and Robust Optimization and Outlier Detection for Efficient Tuning of High-Energy Physics Event Generators},
author = {Wenjing Wang and Mohan Krishnamoorthy and Juliane Muller and Stephen Mrenna and Holger Schulz and Xiangyang Ju and Sven Leyffer and Zachary Marshall},
journal= {arXiv preprint arXiv:2103.05751},
year = {2021}
}
备注
87 pages, Submission to SciPost