深層ニューラルネットワークによる行列要素回帰  CPU障壁の打破【JST・京大機械翻訳】

Bury Florian; Delaere Christophe

プレプリント

J-GLOBAL ID：202202219124547152 整理番号：21P0045638

深層ニューラルネットワークによる行列要素回帰 CPU障壁の打破【JST・京大機械翻訳】

Matrix Element Regression with Deep Neural Networks -- breaking the CPU barrier

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 (2件)： ,
資料名：
発行年： 2020年08月25日プレプリントサーバーでの情報更新日： 2021年04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。

行列要素法(MEM)は,衝突実験での測定事象から情報を抽出する強力な方法である。実験データの大規模集合上に構築された多変量技術と比較して,MEMは例ベースの学習フェーズに依存しないが,物理プロセスの知識を直接利用する。これは,迅速に変化する関数の必要な多次元積分が,考慮したあらゆる事象と物理過程に対して評価する必要があるので,複雑さと計算時間の両方に関して価格に出ている。これは,MoMEMtaパッケージで行われるように,統合を最適化することによって軽減できるが,計算時間は懸念のままであり,しばしば,フルスケール解析におけるMEMの使用を実行不可能または不可能にする。本論文では,特に新しい物理学の探索において,解析の仮説として,MEM積分の回帰によって構築された深層ニューラルネットワーク(DNN)の使用を研究した。【JST・京大機械翻訳】

, , ,
, , , 【Automatic Indexing@JST】

数値計算

, , ,

前のページに戻る