Copertina

Product Manifold Machine Learning for Physics

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Woodward, Nathaniel S., Park, Sang Eon, Grosso, Gaia, Krupa, Jeffrey, Harris, Philip
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	High Energy Physics - Phenomenology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Re-Simulation-based Self-Supervised Learning for Pre-Training Foundation Models
di: Harris, Philip, et al.
Pubblicazione: (2024)

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

Learning to Validate Generative Models: a Goodness-of-Fit Approach
di: Cappelli, Pietro, et al.
Pubblicazione: (2025)

Modular Fluctuations in Cosmology
di: Aalsma, Lars, et al.
Pubblicazione: (2025)

Goodness of fit by Neyman-Pearson testing
di: Grosso, Gaia, et al.
Pubblicazione: (2023)

Machine Learning Electroweakino Production
di: Masełek, Rafał, et al.
Pubblicazione: (2024)

Machine Learning-Informed 3+1 Sterile Neutrino Global Fits using Posterior Density Estimation of Electron Disappearance Data
di: Villarreal, Joshua, et al.
Pubblicazione: (2025)

Electroweak Primordial Magnetic Blackhole: Cosmic Production and Physical Implication
di: Cho, Y. M., et al.
Pubblicazione: (2024)

Rindler Fluids from Gravitational Shockwaves
di: Bak, Sang-Eon, et al.
Pubblicazione: (2024)

Reduction to master integrals and transverse integration identities
di: Chestnov, Vsevolod, et al.
Pubblicazione: (2024)

CALICO: Computing Annihilators from Linear Identities Constraining (differential) Operators
di: Bertolini, Giuseppe, et al.
Pubblicazione: (2025)

Production of $K^* Σ$ and $D^* Σ_c$ in pion-induced reactions off the nucleon
di: Kim, Sang-Ho
Pubblicazione: (2026)

Machine-Learning Performance on Higgs-Pair Production Associated with Dark Matter at the LHC
di: Arganda, Ernesto, et al.
Pubblicazione: (2024)

Production of $ϕΛ$, $D_s^{*-} Λ_c^+$, and $J/ψΛ$ in kaon-induced reactions off the nucleon
di: Kim, Sang-Ho
Pubblicazione: (2026)

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

Compact Representation of Particle-Collision Events for Physics-Informed Machine Learning
di: Islam, Wasikul, et al.
Pubblicazione: (2026)

Analytic auxiliary mass flow to compute master integrals in singular kinematics
di: Fontana, Gaia, et al.
Pubblicazione: (2024)

Modern Machine Learning and Particle Physics Phenomenology at the LHC
di: Ubiali, Maria
Pubblicazione: (2026)

Signals of nonrenormalizable Lorentz and CPT violation at the LHC
di: Lunghi, Enrico, et al.
Pubblicazione: (2024)

High-Quality Axions from Higher-Form Symmetries in Extra Dimensions
di: Craig, Nathaniel, et al.
Pubblicazione: (2024)

TASI Lectures on Physics for Machine Learning
di: Halverson, Jim
Pubblicazione: (2024)

Probing Neutral Triple Gauge Couplings via $ZZ$ Production at $e^+e^-$ Colliders with Machine Learning
di: Ellis, John, et al.
Pubblicazione: (2025)

From Qubits to Couplings: A Hybrid Quantum Machine Learning Framework for LHC Physics
di: Haddou, Marwan Ait, et al.
Pubblicazione: (2025)

Physics on and off the light cone
di: Mannheim, Philip D.
Pubblicazione: (2025)

Effective Field Theories on the Jet Bundle
di: Craig, Nathaniel, et al.
Pubblicazione: (2023)

A Frequentist Simulation-Based Inference Treatment of Sterile Neutrino Global Fits
di: Villarreal, Joshua, et al.
Pubblicazione: (2025)

Top-philic Machine Learning
di: Barman, Rahool Kumar, et al.
Pubblicazione: (2024)

A Perspective on Symbolic Machine Learning in Physical Sciences
di: Makke, Nour, et al.
Pubblicazione: (2025)

Comparing Generative Models with the New Physics Learning Machine
di: Grossi, Samuele, et al.
Pubblicazione: (2025)

Probing Grand Unification with Quantum Sensors
di: Calmet, Xavier, et al.
Pubblicazione: (2024)

Zero-Permutation Jet-Parton Assignment using a Self-Attention Network
di: Lee, Jason Sang Hun, et al.
Pubblicazione: (2020)

Fine-Tuning Small Reasoning Models for Quantum Field Theory
di: Woodward, Nathaniel S., et al.
Pubblicazione: (2026)

Machine Learning Study on Single Production of a Singlet Vector-like Lepton at the Large Hadron Collider
di: Cui, Yiheng, et al.
Pubblicazione: (2026)

Machine-Learning-Inspired SMEFT Simplified Template Cross Sections: A Case Study in ZH Production
di: Conde, Daniel, et al.
Pubblicazione: (2026)

Interference Effects in Resonant Standard Model di-Higgs Production and Decay into $4b$ Final States: the Role of Machine Learning Analysis
di: Hammad, A., et al.
Pubblicazione: (2025)

Effective Theory Building and Manifold Learning
di: Freeborn, David Peter Wallis
Pubblicazione: (2024)

A Search for "New Physics'' "Beyond the Standard Model'' in Open Data with Machine Learning
di: Gambhir, Rikab
Pubblicazione: (2025)

Loops in supergroups
di: Craig, Nathaniel, et al.
Pubblicazione: (2024)

Supergroup Symmetries and the Hierarchy Problem
di: Craig, Nathaniel, et al.
Pubblicazione: (2024)

1 Particle - 1 Qubit: Particle Physics Data Encoding for Quantum Machine Learning
di: Bal, Aritra, et al.
Pubblicazione: (2025)