Calomplification——生成式量能器模型的威力
高能物理 - 唯象学
2023-01-26 v3 高能物理 - 实验
摘要
受经典模拟高昂计算成本的驱动，机器学习生成的生成模型在粒子物理及其他领域可极为有用。当替代模型能高效学习底层分布，使得生成样本优于有限大小的训练样本时，它们变得尤其有吸引力。这种 GANplification 效应已在简单高斯模型中被观测到。我们在物理模拟中展示了相同效应，具体而言是电磁量能器中的光子簇射。
引用
@article{arxiv.2202.07352,
title = {Calomplification -- The Power of Generative Calorimeter Models},
author = {Sebastian Bieringer and Anja Butter and Sascha Diefenbacher and Engin Eren and Frank Gaede and Daniel Hundhausen and Gregor Kasieczka and Benjamin Nachman and Tilman Plehn and Mathias Trabs},
journal= {arXiv preprint arXiv:2202.07352},
year = {2023}
}
备注
17 pages, 10 figures