用 AI/ML 解决并解决模拟系统误差

Brett Viren; Jin Huang; Yi Huang; Meifeng Lin; Yihui Ren; Kazuhiro Terao; Dmitrii Torbunov; Haiwang Yu

用 AI/ML 解决并解决模拟系统误差

高能物理 - 实验 2022-03-14 v1 数据分析、统计与概率

作者: Brett Viren , Jin Huang , Yi Huang , Meifeng Lin , Yihui Ren , Kazuhiro Terao , Dmitrii Torbunov , Haiwang Yu

摘要

在模拟数据上训练 AI/ML 系统，同时用该系统推断来自真实探测器的数据，会引入一种难以估计且在许多分析中根本未被正视的系统误差。在此类分析中，以与 AI/ML 技术所带来的精度与准确度相匹配的方式最小化和定量估计不确定性至关重要。在此我们强调正视此类系统误差的必要性，讨论估计它的常规方法，并描述利用同样基于 AI/ML 能力的方法来量化和最小化不确定性的途径。我们还描述了将模拟引入 AI/ML 网络以允许对其语义上有意义的参数进行训练的方法。本白皮书是对 Snowmass21 计算前沿的贡献。

关键词

AI/ML 模拟系统误差系统不确定性模拟数据探测器数据参数训练

引用

@article{arxiv.2203.06112,
  title  = {Solving Simulation Systematics in and with AI/ML},
  author = {Brett Viren and Jin Huang and Yi Huang and Meifeng Lin and Yihui Ren and Kazuhiro Terao and Dmitrii Torbunov and Haiwang Yu},
  journal= {arXiv preprint arXiv:2203.06112},
  year   = {2022}
}

备注

This whitepaper is a contribution to the Computational Frontier of Snowmass21

用 AI/ML 解决并解决模拟系统误差

摘要

关键词

引用

备注

相关论文