带辅助回归器的 GAN 用于电磁量能器响应的快速模拟
数据分析、统计与概率
2023-03-01 v1 高能物理 - 实验
摘要
高能物理实验在物理分析中基本依赖模拟数据。然而，运行精细的模拟模型需要巨大的计算资源。因此，需要新的方法来加速探测器模拟。量能器响应的生成通常是 HEP 实验模拟链中最昂贵的部分。已有研究表明，深度学习技术，尤其是生成对抗网络（GAN），可用于复现量能器响应。然而，这些应用具有挑战性，因为生成的响应不仅需要在图像一致性方面评估：还应考虑不同的基于物理的质量度量。在我们的工作中，我们开发了一个基于多任务 GAN 的框架，旨在加速 LHC 上 LHCb 探测器电磁量能器（ECAL）的响应生成。我们引入辅助回归器作为第二项任务，以评估给定输入的代理度量，供 GAN 的判别器使用。我们表明该方法提升了 GAN 的稳定性，且模型生成的样本具有更好的物理分布。
引用
@article{arxiv.2207.06329,
title = {GAN with an Auxiliary Regressor for the Fast Simulation of the Electromagnetic Calorimeter Response},
author = {Alexander Rogachev and Fedor Ratnikov},
journal= {arXiv preprint arXiv:2207.06329},
year = {2023}
}
备注
Contribution to ACAT 2021 Conference