CaloClouds II：超快、几何无关的高粒度量能器模拟

对于亮度不断增加的未来对撞机实验，需要快速模拟高粒度探测器中的能量沉积。生成式机器学习（ML）模型已被证明可以加速并增强物理分析中的传统模拟链。然而，先前大多数工作局限于依赖固定、规则探测器读出几何的模型。一个重大进展是最近引入的 CaloClouds 模型，一种几何无关的扩散模型，它将量能器簇射作为点云生成，用于设想中的国际大型探测器（ILD）电磁量能器。在这项工作中，我们引入 CaloClouds II，其具有若干关键改进。这包括连续时间基于分数的建模，允许 25 步采样且保真度与 CaloClouds 相当，同时在单个 CPU 上产生相对于 Geant4 的 $6\times$ 加速（相对于 CaloClouds 为 $5\times$）。我们进一步将扩散模型提炼为一致性模型（consistency model），允许单步精确采样，并实现 $46\times$（相对于 CaloClouds 为 $37\times$）的加速。这构成了一致性蒸馏（consistency distillation）用于生成量能器簇射的首次应用。