由机器学习辅助的参数空间探索
高能物理 - 唯象学
2024-12-05 v4 机器学习
摘要
我们展示了两种由回归与分类机器学习模型辅助的采样流程。主要目标是利用神经网络建议可能位于感兴趣区域内的点，从而减少耗时计算过程的评估次数。我们将该方法所得结果与其他采样方法（即马尔可夫链蒙特卡洛与 MultiNest）的结果进行比较，获得的结果从相当相似到可认为更优不等。特别地，我们用一种提升（boosting）技术增强分类器方法，使其在少数几次迭代内迅速提高效率。我们展示了将方法应用于一个玩具模型与 II 型 2HDM 的结果，分别使用了 3 个与 7 个自由参数。本文所用代码及说明已公开于网络。
引用
@article{arxiv.2207.09959,
title = {Exploration of Parameter Spaces Assisted by Machine Learning},
author = {A. Hammad and Myeonghun Park and Raymundo Ramos and Pankaj Saha},
journal= {arXiv preprint arXiv:2207.09959},
year = {2024}
}
备注
30 pages, 9 figures. Matches published version. Code and instructions are available on https://github.com/AHamamd150/MLscanner