:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Odyurt, Uraz, Swatman, Stephen Nicholas, Varbanescu, Ana-Lucia, Caron, Sascha
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	High Energy Physics - Experiment Machine Learning
Online-Zugang:	https://arxiv.org/abs/2309.03780
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Novel Approaches for ML-Assisted Particle Track Reconstruction and Hit Clustering
von: Odyurt, Uraz, et al.
Veröffentlicht: (2024)

TrackFormers Part 2: Enhanced Transformer-Based Models for High-Energy Physics Track Reconstruction
von: Caron, Sascha, et al.
Veröffentlicht: (2025)

TrackCore-F: Deploying Transformer-Based Subatomic Particle Tracking on FPGAs
von: Blankestijn, Arjan, et al.
Veröffentlicht: (2025)

TrackFormers: In Search of Transformer-Based Particle Tracking for the High-Luminosity LHC Era
von: Caron, Sascha, et al.
Veröffentlicht: (2024)

Model Parallelism on Distributed Infrastructure: A Literature Review from Theory to LLM Case-Studies
von: Brakel, Felix, et al.
Veröffentlicht: (2024)

The derivation of Jacobian matrices for the propagation of track parameter uncertainties in the presence of magnetic fields and detector material
von: Yeo, Beomki, et al.
Veröffentlicht: (2024)

Explainable AI to Improve Machine Learning Reliability for Industrial Cyber-Physical Systems
von: Jutte, Annemarie, et al.
Veröffentlicht: (2026)

Transfer Learning Across Fast- and Full-Simulation Domains in High-Energy Physics
von: Schott, Matthias, et al.
Veröffentlicht: (2026)

Versatile Energy-Based Probabilistic Models for High Energy Physics
von: Cheng, Taoli, et al.
Veröffentlicht: (2023)

Discriminative versus Generative Approaches to Simulation-based Inference
von: Sluijter, Benjamin, et al.
Veröffentlicht: (2025)

Synthetic Data Generation with Lorenzetti for Time Series Anomaly Detection in High-Energy Physics Calorimeters
von: Boggia, Laura, et al.
Veröffentlicht: (2025)

Enhancing High-Energy Particle Physics Collision Analysis through Graph Data Attribution Techniques
von: Verdone, A., et al.
Veröffentlicht: (2024)

SEAL - A Symmetry EncourAging Loss for High Energy Physics
von: Hebbar, Pradyun, et al.
Veröffentlicht: (2025)

traccc: GPU track reconstruction library for HEP experiments
von: Gessinger, Paul, et al.
Veröffentlicht: (2025)

Quantum Attention for Vision Transformers in High Energy Physics
von: Tesi, Alessandro, et al.
Veröffentlicht: (2024)

PC-JeDi: Diffusion for Particle Cloud Generation in High Energy Physics
von: Leigh, Matthew, et al.
Veröffentlicht: (2023)

Training 3D ResNets to Extract BSM Physics Parameters from Simulated Data
von: Dubey, S., et al.
Veröffentlicht: (2023)

Uncovering Hidden Systematics in Neural Network Models for High Energy Physics
von: Flek, Lucie, et al.
Veröffentlicht: (2026)

Data Preservation in High Energy Physics
von: Arbey, Alexandre, et al.
Veröffentlicht: (2025)

FAIR AI Models in High Energy Physics
von: Duarte, Javier, et al.
Veröffentlicht: (2022)

InfoPos: A Design Support Framework for ML-Assisted Fault Detection and Identification in Industrial Cyber-Physical Systems
von: Odyurt, Uraz, et al.
Veröffentlicht: (2025)

Data-Driven High-Dimensional Statistical Inference with Generative Models
von: Amram, Oz, et al.
Veröffentlicht: (2025)

Reducing Simulation Dependence in Neutrino Telescopes with Masked Point Transformers
von: Yu, Felix J., et al.
Veröffentlicht: (2025)

Locality-Sensitive Hashing-Based Efficient Point Transformer with Applications in High-Energy Physics
von: Miao, Siqi, et al.
Veröffentlicht: (2024)

HEPTAPOD: Orchestrating High Energy Physics Workflows Towards Autonomous Agency
von: Menzo, Tony, et al.
Veröffentlicht: (2025)

Reducing Systematic Bias in Machine Learning Applications to Signal Extraction in High-Energy Nuclear Physics
von: Wang, Yan, et al.
Veröffentlicht: (2025)

Lorentz-Equivariant Quantum Graph Neural Network for High-Energy Physics
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2024)

Federated Learning with Quantum Enhanced LSTM for Applications in High Energy Physics
von: Sawaika, Abhishek, et al.
Veröffentlicht: (2026)

AI Agents Can Already Autonomously Perform Experimental High Energy Physics
von: Moreno, Eric A., et al.
Veröffentlicht: (2026)

Automating High Energy Physics Data Analysis with LLM-Powered Agents
von: Gendreau-Distler, Eli, et al.
Veröffentlicht: (2025)

Demonstrators for Industrial Cyber-Physical System Research: A Requirements Hierarchy Driven by Software-Intensive Design
von: Odyurt, Uraz, et al.
Veröffentlicht: (2025)

Masked Particle Modeling on Sets: Towards Self-Supervised High Energy Physics Foundation Models
von: Golling, Tobias, et al.
Veröffentlicht: (2024)

Event Generators for High-Energy Physics Experiments
von: Campbell, J. M., et al.
Veröffentlicht: (2022)

CaloClouds: Fast Geometry-Independent Highly-Granular Calorimeter Simulation
von: Buhmann, Erik, et al.
Veröffentlicht: (2023)

Masked-Token Prediction for Anomaly Detection at the Large Hadron Collider
von: Visive, Ambre, et al.
Veröffentlicht: (2026)

Event Tokenization and Masked-Token Prediction for Anomaly Detection at the Large Hadron Collider
von: Visive, Ambre, et al.
Veröffentlicht: (2025)

Aspen Open Jets: Unlocking LHC Data for Foundation Models in Particle Physics
von: Amram, Oz, et al.
Veröffentlicht: (2024)

Quantum Frontiers in High Energy Physics
von: Fang, Yaquan, et al.
Veröffentlicht: (2024)

Deep Generative Models for Ultra-High Granularity Particle Physics Detector Simulation: A Voyage From Emulation to Extrapolation
von: Hashemi, Baran
Veröffentlicht: (2024)

The LHCb Stripping Project: Sustainable Legacy Data Processing for High-Energy Physics
von: Grieser, Nathan, et al.
Veröffentlicht: (2025)