CaloFlow：基于归一化流的快速高精度量能器簇射生成
仪器与探测器
2023-07-12 v3 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
我们介绍 CaloFlow，一个基于归一化流的快速探测器模拟框架。我们首次证明归一化流能够以极高保真度复现多通道量能器簇射，为计算昂贵的 GEANT4 模拟以及基于 GAN 和 VAE 的其他最先进快速模拟框架提供了崭新替代。除物理特征的常规直方图和量能器簇射图像外，我们引入了一种判断生成建模质量的新度量：训练用于区分真实与生成图像的分类器性能。我们显示 GAN 生成的图像可被分类器以近 100% 准确率识别，而 CaloFlow 生成的图像更能欺骗分类器。更广泛地，归一化流相较其他最先进方法（GAN 和 VAE）具有若干优势，包括：可处理的似然；稳定且收敛的训练；以及有原则的模型选择。归一化流还提供数据与潜空间之间的双射映射，这可能具有模拟之外的其他应用，例如探测器解卷。
引用
@article{arxiv.2106.05285,
title = {CaloFlow: Fast and Accurate Generation of Calorimeter Showers with Normalizing Flows},
author = {Claudius Krause and David Shih},
journal= {arXiv preprint arXiv:2106.05285},
year = {2023}
}
备注
33 pages, 19 figures, 5 tables; v2: improved handling of datasets, conclusions unchanged; v3: matches accepted version