基于 Flow Matching 的高效多喷流事件生成

我们首次将Flow Matching方法应用于高能碰撞物理中相空间抽样的事件生成问题。通过训练模型将重映射随机数（用于生成Pepper可携带部分onic事件发生器中散射矩阵元的动量和旋性），我们在研究的过程中发现在事件生成效率方面取得了显著的改进。我们聚焦于Drell--Yan和top--antitop对产生的最高最终态数量，用作大型强子对碰撞实验的模拟样本，这些计算上是最相关的。我们发现相对于使用Vegas-based优化的标准方法，unweighting效率分别提高了约150倍和17倍。我们还将使用Flow Matching训练的连续正规化流与之前研究的基于耦合层的正规化流进行比较，发现前者结果更好、训练更快，并且在所研究的数量范围内具有更好的扩展行为。