MadNIS —— 神经多通道重要性采样
高能物理 - 唯象学
2023-10-04 v2 高能物理 - 实验
计算物理
摘要
LHC 的理论预言需要精确的相空间数值积分与无权重事件生成。我们将机器学习得到的多通道权重与归一化流结合用于重要性采样，以改进数值积分的经典方法。我们基于可逆网络开发了高效的双向设置，结合在线与缓冲训练以应对可能昂贵的被积函数。我们以带额外窄共振的 Drell-Yan 过程为例说明了我们的方法。
引用
@article{arxiv.2212.06172,
title = {MadNIS -- Neural Multi-Channel Importance Sampling},
author = {Theo Heimel and Ramon Winterhalder and Anja Butter and Joshua Isaacson and Claudius Krause and Fabio Maltoni and Olivier Mattelaer and Tilman Plehn},
journal= {arXiv preprint arXiv:2212.06172},
year = {2023}
}
备注
33 pages, 15 figures, minor fixes to v1