粒子穿越物质与有效散步函数：基于物理信息的机器学习高保真加速仿真
高能物理 - 实验
2026-04-28 v1 高能物理 - 唯象学
计算物理
摘要
高保真粒子-物质相互作用仿真为 diverse physics 学科提供了 essential 理论参考，但生成当前及未来实验规模的合成数据集已变得昂贵。本文引入 PHIN-GAN，这是一种 novel 的 physics-informed 生成对抗网络，用以解决此挑战。我们推导了一组解析概率密度函数，有效描述与 Landau 相关联的 '散步函数'。首次实现了这些解析形式在整个相空间上的连续评估。这些解析形式被用于强制执行参数化分布级别的学习目标。基于第一性原理，PHIN-GAN 提供了一种通用、可解释且可扩展的无损生成模型方法，旨在以计算成本的有限比例，维持与模拟此类相互作用的标杆——GEANT4——的高保真度。
引用
@article{arxiv.2604.22993,
title = {Passage of particles through matter and the effective straggling-function: High-fidelity accelerated simulation via Physics-Informed Machine Learning},
author = {Oleksandr Borysov and Rotem Dover and Eilam Gross and Nilotpal Kakati and Noam Tal Hod},
journal= {arXiv preprint arXiv:2604.22993},
year = {2026}
}