Copertina

Classifier Surrogates: Sharing AI-based Searches with the World

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bieringer, Sebastian, Kasieczka, Gregor, Kieseler, Jan, Trabs, Mathias
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	High Energy Physics - Phenomenology High Energy Physics - Experiment Data Analysis, Statistics and Probability
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Complete Optimal Non-Resonant Anomaly Detection
di: Kasieczka, Gregor, et al.
Pubblicazione: (2024)

Full Phase Space Resonant Anomaly Detection
di: Buhmann, Erik, et al.
Pubblicazione: (2023)

OmniJet-$α$: The first cross-task foundation model for particle physics
di: Birk, Joschka, et al.
Pubblicazione: (2024)

Accelerating Resonance Searches via Signature-Oriented Pre-training
di: Li, Congqiao, et al.
Pubblicazione: (2024)

The Interplay of Machine Learning--based Resonant Anomaly Detection Methods
di: Golling, Tobias, et al.
Pubblicazione: (2023)

Accurate and robust methods for direct background estimation in resonant anomaly detection
di: Das, Ranit, et al.
Pubblicazione: (2024)

Kitchen Sink Anomaly Detection
di: Das, Ranit, et al.
Pubblicazione: (2026)

Enhancing next token prediction based pre-training for jet foundation models
di: Birk, Joschka, et al.
Pubblicazione: (2025)

Flow Matching Beyond Kinematics: Generating Jets with Particle-ID and Trajectory Displacement Information
di: Birk, Joschka, et al.
Pubblicazione: (2023)

SURFing to the Fundamental Limit of Jet Tagging
di: Pang, Ian, et al.
Pubblicazione: (2025)

How to pick the best anomaly detector?
di: Hein, Marie, et al.
Pubblicazione: (2025)

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

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

Universal New Physics Latent Space
di: Hallin, Anna, et al.
Pubblicazione: (2024)

Neural Scaling Laws for Jet Generation
di: Amram, Oz, et al.
Pubblicazione: (2026)

Searching for Anomalies with Foundation Models
di: Mikuni, Vinicius, et al.
Pubblicazione: (2026)

Convolutional L2LFlows: Generating Accurate Showers in Highly Granular Calorimeters Using Convolutional Normalizing Flows
di: Buss, Thorsten, et al.
Pubblicazione: (2024)

The Intrinsic Dimension of Collider Events and Model-Independent Searches in 100 Dimensions
di: D'Agnolo, Raffaele Tito, et al.
Pubblicazione: (2025)

Agents of Discovery
di: Diefenbacher, Sascha, et al.
Pubblicazione: (2025)

Generative Models and Statistical Validation
di: Diefenbacher, Sascha, et al.
Pubblicazione: (2026)

CaloClouds II: Ultra-Fast Geometry-Independent Highly-Granular Calorimeter Simulation
di: Buhmann, Erik, et al.
Pubblicazione: (2023)

CaloHadronic: a diffusion model for the generation of hadronic showers
di: Buss, Thorsten, et al.
Pubblicazione: (2025)

An unfolding method based on conditional Invertible Neural Networks (cINN) using iterative training
di: Backes, Mathias, et al.
Pubblicazione: (2022)

A Quantum Algorithm for Model-Independent Searches for New Physics
di: Matchev, Konstantin T., et al.
Pubblicazione: (2020)

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

Seeing Double: Calibrating Two Jets at Once
di: Gambhir, Rikab, et al.
Pubblicazione: (2024)

Cluster Scanning: a novel approach to resonance searches
di: Oleksiyuk, Ivan, et al.
Pubblicazione: (2024)

Jet Tagging with More-Interaction Particle Transformer
di: Wu, Yifan, et al.
Pubblicazione: (2024)

Towards Universal Unfolding of Detector Effects in High-Energy Physics using Denoising Diffusion Probabilistic Models
di: Pazos, Camila, et al.
Pubblicazione: (2024)

The Fundamental Limit of Jet Tagging
di: Geuskens, Joep, et al.
Pubblicazione: (2024)

Parnassus: An Automated Approach to Accurate, Precise, and Fast Detector Simulation and Reconstruction
di: Dreyer, Etienne, et al.
Pubblicazione: (2024)

Refinable modeling for unbinned SMEFT analyses
di: Schöfbeck, Robert
Pubblicazione: (2024)

Graph theory inspired anomaly detection at the LHC
di: Araz, Jack Y., et al.
Pubblicazione: (2025)

FlexCAST: Enabling Flexible Scientific Data Analyses
di: Nachman, Benjamin, et al.
Pubblicazione: (2025)

Isolating Unisolated Upsilons with Anomaly Detection in CMS Open Data
di: Gambhir, Rikab, et al.
Pubblicazione: (2025)

Unbinned inclusive cross-section measurements with machine-learned systematic uncertainties
di: Benato, Lisa, et al.
Pubblicazione: (2025)

Double Metric Learning for Building Directed Graphs with Chain Connections for the ATLAS ITk Detector
di: Chan, Jay
Pubblicazione: (2026)

Why Is Attention Sparse In Particle Transformer?
di: Legge, Timothy, et al.
Pubblicazione: (2025)

Look everywhere effects in anomaly detection
di: Hein, Marie, et al.
Pubblicazione: (2025)

Resummed Distribution Functions: Making Perturbation Theory Positive and Normalized
di: Gambhir, Rikab, et al.
Pubblicazione: (2025)