具有生成数据属性控制的粒子物理深度学习模拟
机器学习
2024-05-24 v1
摘要
为了降低模拟成本并缩短时间，超越基于蒙特卡罗方法的传统方法，欧洲核子研究中心（CERN）大型强子对撞机的碰撞模拟研究激发了创新方法的探索。深度学习生成方法，包括变分自编码器（VAE）、生成对抗网络（GAN）和扩散模型，已被用于此目的。尽管它们比标准方法更快、更简单，但并不总能保持模拟数据的高保真度。本文旨在通过引入对生成数据属性的控制机制，为当前使用的算法提供替代解决方案，从而缓解这一问题。为此，我们扩展了最近提出的CorrVAE，它允许用户自定义生成输出的参数操作。我们将该模型适配到粒子物理模拟问题。所提出的解决方案取得了有希望的结果，展示了对生成输出参数的控制，并构成了CERN ALICE实验中ZDC量热器模拟的替代方案。
引用
@article{arxiv.2405.14049,
title = {Particle physics DL-simulation with control over generated data properties},
author = {Karol Rogoziński and Jan Dubiński and Przemysław Rokita and Kamil Deja},
journal= {arXiv preprint arXiv:2405.14049},
year = {2024}
}