Buchumschlag

Inferring Interpretable Models of Fragmentation Functions using Symbolic Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Makke, Nour, Chawla, Sanjay
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	High Energy Physics - Phenomenology Machine Learning Symbolic Computation High Energy Physics - Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Interpretable Scientific Discovery with Symbolic Regression: A Review
von: Makke, Nour, et al.
Veröffentlicht: (2022)

Learning to Unscramble: Simplifying Symbolic Expressions via Self-Supervised Oracle Trajectories
von: Shih, David
Veröffentlicht: (2026)

Generating particle physics Lagrangians with transformers
von: Koay, Yong Sheng, et al.
Veröffentlicht: (2025)

Transforming the Bootstrap: Using Transformers to Compute Scattering Amplitudes in Planar N = 4 Super Yang-Mills Theory
von: Cai, Tianji, et al.
Veröffentlicht: (2024)

LinApart: optimizing the univariate partial fraction decomposition
von: Chargeishvili, Bakar, et al.
Veröffentlicht: (2024)

FORM Version 5.0
von: Davies, J., et al.
Veröffentlicht: (2026)

LinApart2: efficient parallel partial fraction decomposition algorithm for denominators with polynomials of general degree
von: Fekésházy, Levente, et al.
Veröffentlicht: (2025)

Challenges for analytic calculations of the massive three-loop form factors
von: Blümlein, J, et al.
Veröffentlicht: (2024)

Symbolic Regression for Beyond the Standard Model Physics
von: AbdusSalam, Shehu, et al.
Veröffentlicht: (2024)

Using SimTeEx to simplify polynomial expressions with tensors
von: Fonseca, Renato M.
Veröffentlicht: (2024)

AI-Newton: A Concept-Driven Physical Law Discovery System without Prior Physical Knowledge
von: Fang, You-Le, et al.
Veröffentlicht: (2025)

Quantum Computing Hadron Fragmentation Functions in Light-Front Chromodynamics
von: Gálvez-Viruet, Juan José, et al.
Veröffentlicht: (2025)

Border Bases in the Rational Weyl Algebra
von: Rodriguez, Carlos, et al.
Veröffentlicht: (2025)

Symbolic Reduction of Multi-loop Feynman Integrals via Generating Functions
von: Feng, Bo, et al.
Veröffentlicht: (2025)

An Algorithm for the Symbolic Reduction of Multi-loop Feynman Integrals via Generating Functions
von: Feng, Bo, et al.
Veröffentlicht: (2026)

Feynman Integral Reduction using Syzygy-Constrained Symbolic Reduction Rules
von: Smith, Sid, et al.
Veröffentlicht: (2025)

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

Refining Integration-by-Parts Reduction of Feynman Integrals with Machine Learning
von: von Hippel, Matt, et al.
Veröffentlicht: (2025)

Exploring the flavor structure of leptons via diffusion models
von: Nishimura, Satsuki, et al.
Veröffentlicht: (2025)

Feature Learning and Generalization in Deep Networks with Orthogonal Weights
von: Day, Hannah, et al.
Veröffentlicht: (2023)

Learning the Simplicity of Scattering Amplitudes
von: Cheung, Clifford, et al.
Veröffentlicht: (2024)

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

Learning the S-matrix from data: Rediscovering gravity from gauge theory via symbolic regression
von: Moynihan, Nathan
Veröffentlicht: (2026)

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

Descending into the Modular Bootstrap
von: Benjamin, Nathan, et al.
Veröffentlicht: (2026)

cymyc -- Calabi-Yau Metrics, Yukawas, and Curvature
von: Berglund, Per, et al.
Veröffentlicht: (2024)

Physics-informed neural networks viewpoint for solving the Dyson-Schwinger equations of quantum electrodynamics
von: Terin, Rodrigo Carmo
Veröffentlicht: (2024)

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

Learning to Unscramble Feynman Loop Integrals with SAILIR
von: Shih, David
Veröffentlicht: (2026)

TASI Lectures on Physics for Machine Learning
von: Halverson, Jim
Veröffentlicht: (2024)

Kaon and Pion Fragmentation Functions
von: Xing, Hui-Yu, et al.
Veröffentlicht: (2025)

Spectral functions in Minkowski quantum electrodynamics from neural reconstruction: Benchmarking against dispersive Dyson--Schwinger integral equations
von: Terin, Rodrigo Carmo
Veröffentlicht: (2025)

Rediscovery of Numerical Lüscher's Formula from the Neural Network
von: Lu, Yu, et al.
Veröffentlicht: (2022)

Simultaneous Determination of Fragmentation Functions and Test on Momentum Sum Rule
von: Gao, Jun, et al.
Veröffentlicht: (2024)

Heptagon Symbols at Five Loops and All-Loop Sequences
von: He, Song, et al.
Veröffentlicht: (2025)

Symbol letters of Feynman integrals from Gram determinants
von: Jiang, Xuhang, et al.
Veröffentlicht: (2024)

A Step Toward Interpretability: Smearing the Likelihood
von: Larkoski, Andrew J.
Veröffentlicht: (2025)

Dissecting Jet-Tagger Through Mechanistic Interpretability
von: Rai, Saurabh, et al.
Veröffentlicht: (2026)

Flavor Fragmentation Function Factorization
von: Larkoski, Andrew J., et al.
Veröffentlicht: (2023)