迈向可靠的探测器神经生成建模
仪器与探测器
2023-03-01 v1 机器学习
高能物理 - 实验
摘要
未来大型强子对撞机（LHC）和下一代对撞机实验数据获取亮度的不断提升，需要产生空前数量的模拟事例。如此大规模的生产需要大量宝贵的计算资源。这带来了对事例生成和探测器响应模拟使用新方法的需求。在本文中，我们讨论了生成对抗网络（GANs）在LHCb实验事例模拟中的应用。我们强调了GAN应用中的主要陷阱，并详细研究了系统效应。所呈现的结果基于LHCb切伦科夫探测器的Geant4模拟。
引用
@article{arxiv.2204.09947,
title = {Towards Reliable Neural Generative Modeling of Detectors},
author = {Lucio Anderlini and Matteo Barbetti and Denis Derkach and Nikita Kazeev and Artem Maevskiy and Sergei Mokhnenko},
journal= {arXiv preprint arXiv:2204.09947},
year = {2023}
}
备注
6 pages, 4 figures