基于特征增强与变换生成对抗网络（FAT-GAN）的电子-质子散射事件模拟
高能物理 - 唯象学
2021-12-30 v2 机器学习
高能物理 - 实验
机器学习
摘要
我们应用生成对抗网络（GAN）技术构建一种事件生成器，用于模拟电子-质子散射中的粒子产生，该模拟不依赖于关于底层粒子动力学的理论假设。高效训练 GAN 事件模拟器的难点在于学习粒子物理属性分布的复杂模式。我们开发了一种 GAN，其从粒子动量中选取一组易于由生成器生成的变换特征，并利用这些特征产生一组增强特征以提升判别器的灵敏度。所提出的特征增强与变换 GAN（FAT-GAN）能够忠实再现包含性电子散射中末态电子动量的分布，而无需输入源自基于领域的理论假设。该技术可在提升现有及未来加速器设施（如电子-离子对撞机）的科学研究中发挥重要作用。
引用
@article{arxiv.2001.11103,
title = {Simulation of electron-proton scattering events by a Feature-Augmented and Transformed Generative Adversarial Network (FAT-GAN)},
author = {Yasir Alanazi and N. Sato and Tianbo Liu and W. Melnitchouk and Pawel Ambrozewicz and Florian Hauenstein and Michelle P. Kuchera and Evan Pritchard and Michael Robertson and Ryan Strauss and Luisa Velasco and Yaohang Li},
journal= {arXiv preprint arXiv:2001.11103},
year = {2021}
}
备注
7 pages, 5 figures, expanded author list, paper accepted in IJCAI21