Buchumschlag

Back to the Formula -- LHC Edition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Butter, Anja, Plehn, Tilman, Soybelman, Nathalie, Brehmer, Johann
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	High Energy Physics - Phenomenology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modern Machine Learning for LHC Physicists
von: Plehn, Tilman, et al.
Veröffentlicht: (2022)

A Lorentz-Equivariant Transformer for All of the LHC
von: Brehmer, Johann, et al.
Veröffentlicht: (2024)

Jet Diffusion versus JetGPT -- Modern Networks for the LHC
von: Butter, Anja, et al.
Veröffentlicht: (2023)

Unbinning global LHC analyses
von: Bahl, Henning, et al.
Veröffentlicht: (2025)

Precision-Machine Learning for the Matrix Element Method
von: Heimel, Theo, et al.
Veröffentlicht: (2023)

Simulation-Prior Independent Neural Unfolding Procedure
von: Butter, Anja, et al.
Veröffentlicht: (2025)

Kicking it Off(-shell) with Direct Diffusion
von: Butter, Anja, et al.
Veröffentlicht: (2023)

Generative Unfolding of Jets and Their Substructure
von: Petitjean, Antoine, et al.
Veröffentlicht: (2025)

Extrapolating Jet Radiation with Autoregressive Transformers
von: Butter, Anja, et al.
Veröffentlicht: (2024)

Generative Unfolding with Distribution Mapping
von: Butter, Anja, et al.
Veröffentlicht: (2024)

The Physics Behind ML-based Quark-Gluon Taggers
von: Vent, Sophia, et al.
Veröffentlicht: (2025)

CaloGraph: Graph-based diffusion model for fast shower generation in calorimeters with irregular geometry
von: Kobylianskii, Dmitrii, et al.
Veröffentlicht: (2024)

Lorentz-Equivariant Geometric Algebra Transformers for High-Energy Physics
von: Spinner, Jonas, et al.
Veröffentlicht: (2024)

Unfolding without Iterations, Adversaries, or Surrogates
von: Ore, Ayodele, et al.
Veröffentlicht: (2026)

MadAgents
von: Plehn, Tilman, et al.
Veröffentlicht: (2026)

Profile Likelihoods on ML-Steroids
von: Heimel, Theo, et al.
Veröffentlicht: (2024)

$\mathcal{CP}$-Analyses with Symbolic Regression
von: Bahl, Henning, et al.
Veröffentlicht: (2025)

Economical Jet Taggers -- Equivariant, Slim, and Quantized
von: Petitjean, Antoine, et al.
Veröffentlicht: (2025)

Amplitude Uncertainties Everywhere All at Once
von: Bahl, Henning, et al.
Veröffentlicht: (2025)

Staying on Top of SMEFT-Likelihood Analyses
von: Elmer, Nina, et al.
Veröffentlicht: (2023)

Advancing Tools for Simulation-Based Inference
von: Bahl, Henning, et al.
Veröffentlicht: (2024)

Differentiable MadNIS-Lite
von: Heimel, Theo, et al.
Veröffentlicht: (2024)

Advancing Set-Conditional Set Generation: Diffusion Models for Fast Simulation of Reconstructed Particles
von: Kobylianskii, Dmitrii, et al.
Veröffentlicht: (2024)

Constraining the Higgs Potential with Neural Simulation-based Inference for Di-Higgs Production
von: Mastandrea, Radha, et al.
Veröffentlicht: (2024)

CaloDREAM -- Detector Response Emulation via Attentive flow Matching
von: Favaro, Luigi, et al.
Veröffentlicht: (2024)

How to Trust Learned Loop Amplitudes
von: Bahl, Henning, et al.
Veröffentlicht: (2026)

Semi-visible jets, energy-based models, and self-supervision
von: Favaro, Luigi, et al.
Veröffentlicht: (2023)

Normalizing Flows for High-Dimensional Detector Simulations
von: Ernst, Florian, et al.
Veröffentlicht: (2023)

Iterative HOMER with uncertainties
von: Butter, Anja, et al.
Veröffentlicht: (2025)

The Landscape of Unfolding with Machine Learning
von: Huetsch, Nathan, et al.
Veröffentlicht: (2024)

FASTColor -- Full-color Amplitude Surrogate Toolkit for QCD
von: Villadamigo, Javier Mariño, et al.
Veröffentlicht: (2025)

Returning CP-Observables to The Frames They Belong
von: Ackerschott, Jona, et al.
Veröffentlicht: (2023)

How to Unfold Top Decays
von: Favaro, Luigi, et al.
Veröffentlicht: (2025)

Accurate Surrogate Amplitudes with Calibrated Uncertainties
von: Bahl, Henning, et al.
Veröffentlicht: (2024)

The Latent Information Geometry of Jet Classification
von: Kuntz, Rebecca Maria, et al.
Veröffentlicht: (2026)

How to Understand Limitations of Generative Networks
von: Das, Ranit, et al.
Veröffentlicht: (2023)

To Profile or To Marginalize -- A SMEFT Case Study
von: Brivio, Ilaria, et al.
Veröffentlicht: (2022)

The MadNIS Reloaded
von: Heimel, Theo, et al.
Veröffentlicht: (2023)

Anomalies, Representations, and Self-Supervision
von: Dillon, Barry M., et al.
Veröffentlicht: (2023)

Self-Supervised Learning Strategies for Jet Physics
von: Rieck, Patrick, et al.
Veröffentlicht: (2025)