基于机器学习的反卷积方法概览
高能物理 - 唯象学
2025-02-26 v2 机器学习
高能物理 - 实验
摘要
机器学习领域的最新创新使得无需分箱且能包含多维度关联的数据反卷积成为可能。我们描述了一组已知的、升级的和全新的基于机器学习的反卷积方法。这些方法的性能在两个相同的数据集上进行了评估。我们发现，所有技术都能够准确地重现复杂可观测量下的粒子级谱。鉴于这些方法在概念上具有多样性，它们为一类新的测量提供了令人兴奋的工具包，这类测量能够以前所未有的细节水平探测标准模型，并可能实现对新的物理现象的灵敏度。
引用
@article{arxiv.2404.18807,
title = {The Landscape of Unfolding with Machine Learning},
author = {Nathan Huetsch and Javier Mariño Villadamigo and Alexander Shmakov and Sascha Diefenbacher and Vinicius Mikuni and Theo Heimel and Michael Fenton and Kevin Greif and Benjamin Nachman and Daniel Whiteson and Anja Butter and Tilman Plehn},
journal= {arXiv preprint arXiv:2404.18807},
year = {2025}
}