:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Duarte, Javier M.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	High Energy Physics - Experiment Machine Learning
Online-Zugang:	https://arxiv.org/abs/2409.20413
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Shapes are not enough: CONSERVAttack and its use for finding vulnerabilities and uncertainties in machine learning applications
von: Bechtle, Philip, et al.
Veröffentlicht: (2026)

Differentiable Earth Mover's Distance for Data Compression at the High-Luminosity LHC
von: Shenoy, Rohan, et al.
Veröffentlicht: (2023)

Fine-tuning machine-learned particle-flow reconstruction for new detector geometries in future colliders
von: Mokhtar, Farouk, et al.
Veröffentlicht: (2025)

Knowledge is Overrated: A zero-knowledge machine learning and cryptographic hashing-based framework for verifiable, low latency inference at the LHC
von: Jawahar, Pratik, et al.
Veröffentlicht: (2025)

Machine-Learning Analysis of Radiative Decays to Dark Matter at the LHC
von: Arganda, Ernesto, et al.
Veröffentlicht: (2024)

Ultrafast jet classification on FPGAs for the HL-LHC
von: Odagiu, Patrick, et al.
Veröffentlicht: (2024)

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

Particle identification with machine learning from incomplete data in the ALICE experiment
von: Karwowska, Maja, et al.
Veröffentlicht: (2024)

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

Reconstruction of muon bundles in KM3NeT detectors using machine learning methods
von: Kalaczyński, Piotr
Veröffentlicht: (2025)

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

Ultra-low latency quantum-inspired machine learning predictors implemented on FPGA
von: Borella, Lorenzo, et al.
Veröffentlicht: (2024)

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

PhyGHT: Physics-Guided HyperGraph Transformer for Signal Purification at the HL-LHC
von: Rakib, Mohammed, et al.
Veröffentlicht: (2026)

RINO: Renormalization Group Invariance with No Labels
von: Hao, Zichun, et al.
Veröffentlicht: (2025)

Quantum anomaly detection in the latent space of proton collision events at the LHC
von: Belis, Vasilis, et al.
Veröffentlicht: (2023)

Inferring identified hadron production in $pp$ collisions with physics-informed machine learning at the LHC
von: Gupta, Rishabh, et al.
Veröffentlicht: (2026)

Improving sensitivity of trilinear RPV SUSY searches using machine learning at the LHC
von: Choudhury, Arghya, et al.
Veröffentlicht: (2023)

Multiple testing for signal-agnostic searches of new physics with machine learning
von: Grosso, Gaia, et al.
Veröffentlicht: (2024)

Tensor Network for Anomaly Detection in the Latent Space of Proton Collision Events at the LHC
von: Puljak, Ema, et al.
Veröffentlicht: (2025)

Lamarr: LHCb ultra-fast simulation based on machine learning models deployed within Gauss
von: Barbetti, Matteo
Veröffentlicht: (2023)

Surrogate Neural Architecture Codesign Package (SNAC-Pack)
von: Weitz, Jason, et al.
Veröffentlicht: (2025)

Electron-nucleus cross sections from transfer learning
von: Graczyk, Krzysztof M., et al.
Veröffentlicht: (2024)

Improving the performance of weak supervision searches using transfer and meta-learning
von: Beauchesne, Hugues, et al.
Veröffentlicht: (2023)

Learning Symmetry-Independent Jet Representations via Jet-Based Joint Embedding Predictive Architecture
von: Katel, Subash, et al.
Veröffentlicht: (2024)

Empirical fits to inclusive electron-carbon scattering data obtained by deep-learning methods
von: Kowal, Beata E., et al.
Veröffentlicht: (2023)

Surrogate Neural Architecture Codesign Package (SNAC-Pack)
von: Weitz, Jason, et al.
Veröffentlicht: (2026)

PCN: A Deep Learning Approach to Jet Tagging Utilizing Novel Graph Construction Methods and Chebyshev Graph Convolutions
von: Semlani, Yash, et al.
Veröffentlicht: (2023)

KAN we improve on HEP classification tasks? Kolmogorov-Arnold Networks applied to an LHC physics example
von: Erdmann, Johannes, et al.
Veröffentlicht: (2024)

Locality-Sensitive Hashing-Based Efficient Point Transformer for Charged Particle Reconstruction
von: Govil, Shitij, et al.
Veröffentlicht: (2025)

Practical applications of machine-learned flows on gauge fields
von: Abbott, Ryan, et al.
Veröffentlicht: (2024)

Interpreting Transformers for Jet Tagging
von: Wang, Aaron, et al.
Veröffentlicht: (2024)

Machine-learning based particle-flow algorithm in CMS
von: Mokhtar, Farouk
Veröffentlicht: (2025)

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

Enabling Low-Latency Machine learning on Radiation-Hard FPGAs with hls4ml
von: Govorkova, Katya, et al.
Veröffentlicht: (2026)

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

Neural Architecture Codesign for Fast Physics Applications
von: Weitz, Jason, et al.
Veröffentlicht: (2025)

Physics consistent machine learning framework for inverse modeling with applications to ICF capsule implosions
von: Serino, Daniel A., et al.
Veröffentlicht: (2024)

Deep-learning-based decomposition of overlapping-sparse images: application at the vertex of neutrino interactions
von: Alonso-Monsalve, Saúl, et al.
Veröffentlicht: (2023)

Interpretable machine learning approach for electron antineutrino selection in a large liquid scintillator detector
von: Gavrikov, A., et al.
Veröffentlicht: (2024)