.png){kind=icon}
返回
Point cloud-based diffusion models for the Electron-Ion Collider
.png){kind=icon}
OA
AI
DOI：10.1016/j.physletb.2025.139694.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在高能对撞机实验中，生成模型可用于多种任务，包括快速探测器模拟、反卷积、标准模型外物理学的搜索以及推理任务。特别地，已有研究证明基于分数的扩散模型能够生成高保真度和精确度的喷注或对撞机事件样本。本工作从三个方面扩展了以往的生成模型。首先，我们的模型被训练用于生成完整的对撞机事件，包括所有粒子种类及其完整的运动学信息。我们量化了模型学习事件级约束（如动量守恒和离散量子数守恒）的程度。我们重点关注未来电子-离子对撞机的事件，但预计结果可推广至质子-质子及重离子碰撞。其次，以往的生成模型常依赖基于图像的技术，数据的稀疏性可能对模型的保真度和采样时间产生负面影响。我们通过点云和一种新型架构来应对这些问题，该架构结合了边创建与名为Point Edge Transformers的变换器模块。第三，我们采用基础模型OmniLearn来生成完整的对撞机事件。这种方法可能预示着一种转变，即通过适配和微调基础模型来处理下游任务，而非从零开始训练新模型。
Keyword:
generative models
collider events
score-based diffusion models
point cloud
foundation models
期刊
IF:
4.5
论文数:
3.2W
被引数:
7.3W
机构
查看更多机构
引用论文
.png){kind=icon}
Particle-based fast jet simulation at the LHC with variational autoencoders带有变分自动编码器的LHC上基于粒子的快速射流模拟OAAI
OAAI分享收藏