利用振幅神经网络优化强子对撞机双光子产生模拟
高能物理 - 唯象学
2021-09-01 v2 人工智能
机器学习
摘要
机器学习技术有潜力大幅优化事件生成与模拟。我们继续研究使用神经网络来近似高多重数散射过程的矩阵元。我们聚焦于通过胶子融合的圈诱导双光子产生,并开发一种可应用于强子对撞机可观测量 realistic 模拟方法。神经网络使用 NJet C++ 库中实现的单圈振幅进行训练,并接口到 Sherpa 蒙特卡洛事件生成器,我们在其中对 和 散射问题进行了详细研究。我们还考察了当改变影响相空间的运动学截断时,训练好的网络表现如何,以及神经网络模拟的可靠性。
引用
@article{arxiv.2106.09474,
title = {Optimising simulations for diphoton production at hadron colliders using amplitude neural networks},
author = {Joseph Aylett-Bullock and Simon Badger and Ryan Moodie},
journal= {arXiv preprint arXiv:2106.09474},
year = {2021}
}
备注
31 pages, 12 figures, 2 tables