用于模拟中子相互作用的生成对抗神经网络
高能物理 - 唯象学
2025-06-30 v2 机器学习
高能物理 - 实验
核实验
核理论
摘要
我们提出了一种新的方法，用于模拟中子散射事件，以替代标准的蒙特卡罗发生器方法。开发了生成对抗神经网络（GAN）模型，用于模拟几GeV能范围内的带电中子碳碰撞。我们考虑一个简化的框架，用于生成μ子运动学变量，具体包括其能量和散射角。训练于\nuwro{}蒙特卡罗事件发生器模拟数据的GAN模型。获得了两个GAN模型：一个用于模拟准弹性中子-原子核散射，另一个用于模拟给定中子能范围内的所有相互作用。该模型适用于中子能范围从300 MeV到10 GeV。对两个模型的性能采用两种统计指标进行评估。结果表明，两个GAN模型成功地再现了μ子运动学分布。
引用
@article{arxiv.2502.20244,
title = {Generative adversarial neural networks for simulating neutrino interactions},
author = {Jose L. Bonilla and Krzysztof M. Graczyk and Artur M. Ankowski and Rwik Dharmapal Banerjee and Beata E. Kowal and Hemant Prasad and Jan T. Sobczyk},
journal= {arXiv preprint arXiv:2502.20244},
year = {2025}
}
备注
16 pages, 16 figures