文献

J-GLOBAL ID：201902277073554493   整理番号：19A1047961

機械学習によるLHCデータのBSM解釈の加速【JST・京大機械翻訳】

Accelerating the BSM interpretation of LHC data with machine learning

著者 (8件)： Bertone Gianfranco (GRAPPA, University of Amsterdam, Science Park 904, 1098 XH Amsterdam, Netherlands) ,  Deisenroth Marc Peter (Department of Computing, Imperial College London, 180 Queen’s Gate, SW7 2AZ London, United Kingdom) ,  Kim Jong Soo (Center for Theoretical Physics of the Universe, Institute for Basic Science (IBS), Daejeon, 34051, Republic of Korea) ,  Kim Jong Soo (Instituto de Fisica Teorica UAM/CSIC, Madrid, Spain) ,  Kim Jong Soo (National Institute for Theoretical Physics, School of Physics, University of the Witwatersrand, Johannesburg, Wits 2050, South Africa) ,  Liem Sebastian (GRAPPA, University of Amsterdam, Science Park 904, 1098 XH Amsterdam, Netherlands) ,  Austri Roberto Ruiz de (Instituto de Fisica Corpuscular IFIC-UV/CSIC, Valencia, Spain) ,  Welling Max (Informatics Institute, University of Amsterdam, Science Park 904, 1098 XH Amsterdam, Netherlands)
資料名： Physics of the Dark Universe  (Physics of the Dark Universe)
巻： 24  ページ： Null  発行年： 2019年 
JST資料番号： W3143A  ISSN： 2212-6864  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 標準モデル(BSM)理論の枠組みにおける大型ハドロン衝突(LHC)データの解釈は,計算的に高価なイベント発生器と検出器シミュレータを実行する必要性によって妨げられている。高次元BSM理論の統計的収束走査を実行することは,結果的に困難であり,非常に高次元のBSM理論に対して実行可能でない。ここでは,BSM理論パラメータとデータ間の関係を学習することにより,LHCデータの解釈を加速する新しい機械学習法を示した。概念実証として,この技術は,標準技術よりも4桁速い,高ルミノシティLHCにおける二つの信号領域における自然のSUY信号事象を正確に予測することを実証した。この新しいアプローチは,複雑なBSM理論の理論パラメータを迅速かつ正確に再構成することを可能にし,LHCで発見されるデータにおいて過剰であるべきである。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 走査 ,  高次元 ,  検出器 ,  *機械学習 ,  再構成 ,  規範モデル ,  シミュレータ ,  ハドロン
準シソーラス用語： M理論 ,  再生器 , 【Automatic Indexing@JST】

分類 (4件)： 円形加速器  (BE02020X) ,  素粒子・核物理実験計測用エレクトロニクス  (BE01020Q) ,  仮説粒子とその他の素粒子  (BF04050V) ,  ハドロンによって引き起されるその他の反応  (BF03100U)

タイトルに関連する用語 (3件)： 機械学習 ,  LHC ,  加速