振幅ニューラルネットワークを用いたハドロンコライダーシミュレーションの最適化【JST・京大機械翻訳】

Moodie Ryan

プレプリント

J-GLOBAL ID：202202207182258340 整理番号：22P0287118

振幅ニューラルネットワークを用いたハドロンコライダーシミュレーションの最適化【JST・京大機械翻訳】

Optimising hadronic collider simulations using amplitude neural networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年08月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

衝突実験における高多重度散乱過程の精密現象論的研究は,実質的な理論的課題を示し,実験測定における非常に重要な要素である。機械学習技術は複雑な最終状態のシミュレーションを劇的に最適化する可能性を有する。行列要素を近似するニューラルネットワークの使用を検討し,グルオン融合によるループ誘起二光子生成の事例を研究した。NJet C++ライブラリから1ループ振幅にニューラルネットワークモデルを訓練し,Sherpaモンテカルロ事象発生器とインタフェイスして,現実的なハドロン衝突器シミュレーションの中で行列要素を提供した。モデルによるいくつかの標準観測と従来の技術との比較を行い,分布における優れた一致と30分の1の減少した全シミュレーション時間を見出した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

強い相互作用の模型 , ニューロコンピュータ

, ,

前のページに戻る