:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Butter, Anja, Jezo, Tomas, Klasen, Michael, Kuschick, Mathias, Schweitzer, Sofia Palacios, Plehn, Tilman
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	High Energy Physics - Phenomenology
Accesso online:	https://arxiv.org/abs/2311.17175
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

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

Encoding off-shell effects in top pair production in Direct Diffusion networks
di: Kuschick, Mathias
Pubblicazione: (2024)

Generative Unfolding with Distribution Mapping
di: Butter, Anja, et al.
Pubblicazione: (2024)

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

Dijet Photoproduction in POWHEG BOX
di: Feike, Alexander, et al.
Pubblicazione: (2025)

Prompt photon production with two jets in POWHEG
di: Ježo, Tomáš, et al.
Pubblicazione: (2024)

Conversion of photons to dileptons in the Kroll-Wada and parton shower approaches
di: Ježo, Tomáš, et al.
Pubblicazione: (2025)

Back to the Formula -- LHC Edition
di: Butter, Anja, et al.
Pubblicazione: (2021)

How to Unfold Top Decays
di: Favaro, Luigi, et al.
Pubblicazione: (2025)

Heavy-quark contributions to the polarized DIS structure functions at NLO in the ACOT scheme
di: Spezzano, Edoardo, et al.
Pubblicazione: (2026)

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

Analysis-ready Generative Unfolding
di: Butter, Anja, et al.
Pubblicazione: (2025)

NLO heavy-quark contributions to DIS structure functions in the ACOT scheme
di: Spezzano, Edoardo, et al.
Pubblicazione: (2025)

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

Heavy-quark contributions to the DIS structure functions $F_4$ and $F_5$ at NLO in the ACOT scheme
di: Spezzano, Edoardo, et al.
Pubblicazione: (2025)

PineAPPL Grids of Open Heavy-Flavor Production in the GM-VFNS
di: Wissmann, Jan, et al.
Pubblicazione: (2024)

Iterative HOMER with uncertainties
di: Butter, Anja, et al.
Pubblicazione: (2025)

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

Di-electron production at the LHC: Unravelling virtual-photon and heavy-flavour contributions
di: Andronic, Anton, et al.
Pubblicazione: (2024)

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

Determination of Nuclear PDFs using Markov Chain Monte Carlo Methods
di: Derakhshanian, N., et al.
Pubblicazione: (2026)

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

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

MadAgents
di: Plehn, Tilman, et al.
Pubblicazione: (2026)

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

Unbinning global LHC analyses
di: Bahl, Henning, et al.
Pubblicazione: (2025)

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

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

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

Differentiable MadNIS-Lite
di: Heimel, Theo, et al.
Pubblicazione: (2024)

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

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

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

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

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

Event-by-event Comparison between Machine-Learning- and Transfer-Matrix-based Unfolding Methods
di: Backes, Mathias, et al.
Pubblicazione: (2023)

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

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

Determination of proton PDF uncertainties with Markov chain Monte Carlo
di: Risse, Peter, et al.
Pubblicazione: (2025)