返回
Forecasting generative amplification
DOI:10.21468/scipostphys.20.5.150.png)
摘要
En 中文
生成网络是增强LHC模拟速度和精度的完美工具。特别是在生成超出训练数据集大小的事件时,理解其统计精度尤为重要。我们提出了两种互补方法,无需大型保留数据集即可估计放大因子。平均放大法利用贝叶斯网络或集成方法,通过给定相空间体积上的积分精度来估计放大因子。微分放大法利用假设检验来量化放大因子,且无任何分辨率损失。应用于当前最先进的事件生成器时,两种方法均表明在相空间的特定区域已经可以实现放大。
期刊
S
IF:
5.4
论文数:
221
被引数:
8.8K

