高能物理中与 GAN 生成数据集相关的不确定性
高能物理 - 唯象学
2022-03-30 v4 高能物理 - 实验
计算物理
数据分析、统计与概率
摘要
近来，在传统模拟对撞机事件样本上训练的生成对抗网络（GAN）被提议作为一种以更低计算成本生成更大型模拟数据集的方法。在本文中，我们指出 GAN 生成的数据在统计上不可能优于其训练所基于的数据，并批判性地考察了 GAN 在各种情形下的适用性，包括 a) 替代整个蒙特卡洛流程或其部分，以及 b) 为高度敏感的分析或次优分析生成数据集。我们使用信息论论证、一个玩具示例以及形式化陈述的形式呈现我们的论点，并识别出 GAN 在对撞机模拟中的一些潜在有效用途。
引用
@article{arxiv.2002.06307,
title = {Uncertainties associated with GAN-generated datasets in high energy physics},
author = {Konstantin T. Matchev and Alexander Roman and Prasanth Shyamsundar},
journal= {arXiv preprint arXiv:2002.06307},
year = {2022}
}
备注
28 pages, 11 figures. Revised submission to SciPost