Buchumschlag

FAIR Universe HiggsML Uncertainty Dataset and Competition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Benato, Lisa, Bhimji, Wahid, Calafiura, Paolo, Chakkappai, Ragansu, Chang, Po-Wen, Chou, Yuan-Tang, Diefenbacher, Sascha, Dudley, Jordan, Elsharkawy, Ibrahim, Farrell, Steven, Ghosh, Aishik, Giordano, Cristina, Guyon, Isabelle, Harris, Chris, Hashizume, Yota, Hsu, Shih-Chieh, Khoda, Elham E., Krause, Claudius, Li, Ang, Nachman, Benjamin, Nugent, Peter, Rousseau, David, Schoefbeck, Robert, Shooshtari, Maryam, Schwarz, Dennis, Thorne, Benjamin, Ullah, Ihsan, Wang, Daohan, Zhang, Yulei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	High Energy Physics - Phenomenology Machine Learning High Energy Physics - Experiment Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FAIR Universe Weak Lensing ML Uncertainty Challenge: Handling Uncertainties and Distribution Shifts for Precision Cosmology
von: Dai, Biwei, et al.
Veröffentlicht: (2026)

Fair Universe Higgs Uncertainty Challenge
von: Chakkappai, Ragansu, et al.
Veröffentlicht: (2025)

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

OmniMol: Transferring Particle Physics Knowledge to Molecular Dynamics with Point-Edge Transformers
von: Elsharkawy, Ibrahim, et al.
Veröffentlicht: (2026)

OmniLearned: A Foundation Model Framework for All Tasks Involving Jet Physics
von: Bhimji, Wahid, et al.
Veröffentlicht: (2025)

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

Refining Fast Calorimeter Simulations with a Schrödinger Bridge
von: Diefenbacher, Sascha, et al.
Veröffentlicht: (2023)

OmniCosmos: Transferring Particle Physics Knowledge Across the Cosmos
von: Mikuni, Vinicius, et al.
Veröffentlicht: (2025)

Improving Generative Model-based Unfolding with Schrödinger Bridges
von: Diefenbacher, Sascha, et al.
Veröffentlicht: (2023)

BitHEP -- The Limits of Low-Precision ML in HEP
von: Krause, Claudius, et al.
Veröffentlicht: (2025)

Higgs Signal Strength Estimation with Machine Learning under Systematic Uncertainties
von: He, Minxuan, et al.
Veröffentlicht: (2025)

Weakly Supervised Anomaly Detection in Events with a Higgs Boson and Exotic Physics
von: Cheng, Chi Lung, et al.
Veröffentlicht: (2025)

Tsallis Entropy Regularization for Linearly Solvable MDP and Linear Quadratic Regulator
von: Hashizume, Yota, et al.
Veröffentlicht: (2024)

Anomaly detection with flow-based fast calorimeter simulators
von: Krause, Claudius, et al.
Veröffentlicht: (2023)

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

Search for Physics beyond the Standard Model in four- and three-top quark production
von: Shooshtari, Maryam
Veröffentlicht: (2026)

Unifying Simulation and Inference with Normalizing Flows
von: Du, Haoxing, et al.
Veröffentlicht: (2024)

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

CaloScore v2: Single-shot Calorimeter Shower Simulation with Diffusion Models
von: Mikuni, Vinicius, et al.
Veröffentlicht: (2023)

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

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

High-dimensional and Permutation Invariant Anomaly Detection
von: Mikuni, Vinicius, et al.
Veröffentlicht: (2023)

Solving Key Challenges in Collider Physics with Foundation Models
von: Mikuni, Vinicius, et al.
Veröffentlicht: (2024)

A Method to Simultaneously Facilitate All Jet Physics Tasks
von: Mikuni, Vinicius, et al.
Veröffentlicht: (2025)

Designing Observables for Measurements with Deep Learning
von: Long, Owen, et al.
Veröffentlicht: (2023)

Stay Positive: Neural Refinement of Sample Weights
von: Nachman, Benjamin, et al.
Veröffentlicht: (2025)

Unfolding with a Wasserstein Loss
von: Craig, Katy, et al.
Veröffentlicht: (2026)

Uncertainty Quantification From Scaling Laws in Deep Neural Networks
von: Elsharkawy, Ibrahim, et al.
Veröffentlicht: (2025)

Imitation-regularized Optimal Transport on Networks: Provable Robustness and Application to Logistics Planning
von: Oishi, Koshi, et al.
Veröffentlicht: (2024)

On the surjectivity of the conditional expectation given a real random variable
von: Guyon, Julien, et al.
Veröffentlicht: (2025)

Unraveling Shadows: Exploring the Realm of Elite Cyber Spies
von: Parast, Fatemeh Khoda
Veröffentlicht: (2024)

Towards Foundation Models for Scientific Machine Learning: Characterizing Scaling and Transfer Behavior
von: Subramanian, Shashank, et al.
Veröffentlicht: (2023)

Signal-Aware Contrastive Latent Spaces for Anomaly Detection
von: Li, Runze, et al.
Veröffentlicht: (2026)

Symmetry Discovery
von: Desai, Krish, et al.
Veröffentlicht: (2026)

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

Non-resonant Anomaly Detection with Background Extrapolation
von: Bai, Kehang, et al.
Veröffentlicht: (2023)

Learning Likelihood Ratios with Neural Network Classifiers
von: Rizvi, Shahzar, et al.
Veröffentlicht: (2023)

Optimal Transport Event Representation for Anomaly Detection
von: Cai, Tianji, et al.
Veröffentlicht: (2025)

Moment Unfolding
von: Desai, Krish, et al.
Veröffentlicht: (2024)

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