利用神经样条流进行中微子振荡实验的无似然推断
高能物理 - 唯象学
2020-07-01 v3 机器学习
高能物理 - 实验
摘要
在机器学习中，无似然推断（likelihood-free inference）指的是由数据而非解析表达式驱动的分析任务。我们讨论了将神经样条流（一种神经密度估计算法）应用于长基线中微子实验中中微子振荡参数测量的无似然推断问题。我们开发了一种适配物理参数推断的方法，并将其应用于 T2K 实验中缪子中微子消失分析的情形。
引用
@article{arxiv.2002.09436,
title = {Likelihood-free inference of experimental Neutrino Oscillations using Neural Spline Flows},
author = {Sebastian Pina-Otey and Federico Sánchez and Vicens Gaitan and Thorsten Lux},
journal= {arXiv preprint arXiv:2002.09436},
year = {2020}
}
备注
10 pages, 3 figures