Buchumschlag

LeStrat-Net: Lebesgue style stratification for Monte Carlo simulations powered by machine learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ban, Kayoung, Park, Myeonghun, Ramos, Raymundo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	High Energy Physics - Phenomenology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantum Integration Networks for Efficient Monte Carlo in High-Energy Physics
von: Yi, Heechan, et al.
Veröffentlicht: (2025)

Exploration of Parameter Spaces Assisted by Machine Learning
von: Hammad, A., et al.
Veröffentlicht: (2022)

Good flavor search in SU(5): a machine learning approach
von: Abu-Ajamieh, Fayez, et al.
Veröffentlicht: (2025)

Truth, beauty, and goodness in grand unification: a machine learning approach
von: Kawai, Shinsuke, et al.
Veröffentlicht: (2024)

Gravity-Mediated Dark Matter at a low reheating temperature
von: Lee, Hyun Min, et al.
Veröffentlicht: (2024)

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

Exploring Exotic Decays of the Higgs Boson to Multi-Photons at the LHC via Multimodal Learning Approaches
von: Hammad, A., et al.
Veröffentlicht: (2024)

EveNet: A Foundation Model for Particle Collision Data Analysis
von: Hsu, Ting-Hsiang, et al.
Veröffentlicht: (2026)

Training 3D ResNets to Extract BSM Physics Parameters from Simulated Data
von: Dubey, S., et al.
Veröffentlicht: (2023)

Quantum-classical simulation of quantum field theory by quantum circuit learning
von: Ikeda, Kazuki
Veröffentlicht: (2023)

Exploring the flavor structure of quarks and leptons with reinforcement learning
von: Nishimura, Satsuki, et al.
Veröffentlicht: (2023)

DLScanner: A parameter space scanner package assisted by deep learning methods
von: Hammad, A., et al.
Veröffentlicht: (2024)

Quantum Sensing Radiative Decays of Neutrinos and Dark Matter Particles
von: Dong, Zhongtian, et al.
Veröffentlicht: (2025)

Monte-Carlo tool SANCphot for polarized $γγ$ collision simulation
von: Bondarenko, Serge, et al.
Veröffentlicht: (2022)

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

Reinforcement learning-based statistical search strategy for an axion model from flavor
von: Nishimura, Satsuki, et al.
Veröffentlicht: (2024)

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

Machine learning a fixed point action for SU(3) gauge theory with a gauge equivariant convolutional neural network
von: Holland, Kieran, et al.
Veröffentlicht: (2024)

A universal vision transformer for fast calorimeter simulations
von: Favaro, Luigi, et al.
Veröffentlicht: (2026)

Simulation-based inference for Precision Neutrino Physics through Neural Monte Carlo tuning
von: Gavrikov, A., et al.
Veröffentlicht: (2025)

Neural simulation-based inference of the Higgs trilinear self-coupling via off-shell Higgs production
von: Ghosh, Aishik, et al.
Veröffentlicht: (2025)

Hybrid quantum-classical approach for combinatorial problems at hadron colliders
von: Scott, Jacob L., et al.
Veröffentlicht: (2024)

Monte Carlo Event Generators
von: Reuter, Jürgen
Veröffentlicht: (2025)

Challenges for Monte Carlo generators
von: Reuter, Jürgen
Veröffentlicht: (2024)

A two scalar triplets model as common origin for dark matter, neutrino masses, baryon asymmetry and inflation
von: Kang, Sin Kyu, et al.
Veröffentlicht: (2025)

OmniJet-$α_C$: Learning point cloud calorimeter simulations using generative transformers
von: Birk, Joschka, et al.
Veröffentlicht: (2025)

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

Open LHC Monte Carlo Event Generation
von: Bothmann, Enrico, et al.
Veröffentlicht: (2026)

Calculating the power spectrum in stochastic inflation by Monte Carlo simulation and least squares curve fitting
von: Miyamoto, Koichi, et al.
Veröffentlicht: (2025)

A critical study of the Monte Carlo replica method
von: Costantini, Mark N., et al.
Veröffentlicht: (2024)

Fast evaluation of Feynman integrals for Monte Carlo generators
von: Rosàs, Pau Petit, et al.
Veröffentlicht: (2025)

Data production and Monte Carlo simulations for the Pierre Auger Observatory
von: Isar, Paula Gina
Veröffentlicht: (2025)

Generative adversarial neural networks for simulating neutrino interactions
von: Bonilla, Jose L., et al.
Veröffentlicht: (2025)

An AI-powered Technology Stack for Solving Many-Electron Field Theory
von: Hou, Pengcheng, et al.
Veröffentlicht: (2024)

ToMCCA: A Toy Monte Carlo Coalescence Afterburner
von: Mahlein, Maximilian, et al.
Veröffentlicht: (2024)

Phase space sampling with Markov Chain Monte Carlo methods
von: La Cagnina, Salvatore, et al.
Veröffentlicht: (2024)

Developments in NuWro Monte Carlo generator
von: Prasad, Hemant, et al.
Veröffentlicht: (2025)

TRANSIT your events into a new mass: Fast background interpolation for weakly-supervised anomaly searches
von: Oleksiyuk, Ivan, et al.
Veröffentlicht: (2025)

From Information Geometry to Jet Substructure: A Triality of Cumulant Tensors, Energy Correlators, and Hypergraphs
von: Bal, Aritra, et al.
Veröffentlicht: (2026)

$ν^2$-Flows: Fast and improved neutrino reconstruction in multi-neutrino final states with conditional normalizing flows
von: Raine, John Andrew, et al.
Veröffentlicht: (2023)