Buchumschlag

QCD in Language Models: What do they really know about QCD?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sulc, Antonin, Connor, Patrick L. S.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	High Energy Physics - Phenomenology Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ChatQCD: Let Large Language Models Explore QCD
von: Sulc, Antonin, et al.
Veröffentlicht: (2024)

QCD Theory meets Information Theory
von: Assi, Benoît, et al.
Veröffentlicht: (2025)

Variance Reduction via Simultaneous Importance Sampling and Control Variates Techniques Using Vegas
von: Shyamsundar, Prasanth, et al.
Veröffentlicht: (2023)

Signal model parameter scan using Normalizing Flow
von: Saito, Masahiko, et al.
Veröffentlicht: (2024)

The role of the Look Elsewhere Effect in determining the significance of an oscillation disappearance search for a light sterile neutrino
von: Ranucci, Gioacchino
Veröffentlicht: (2024)

PanopTag: Simultaneously Tagging All Jets in a Particle Collision Event
von: Qureshi, Umar Sohail, et al.
Veröffentlicht: (2026)

Rediscovering the Standard Model with AI
von: Abdelhaq, Aya, et al.
Veröffentlicht: (2025)

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

Log Gaussian Cox Process Background Modeling in High Energy Physics
von: Frid, Yuval, et al.
Veröffentlicht: (2025)

The Intrinsic Dimension of Collider Events and Model-Independent Searches in 100 Dimensions
von: D'Agnolo, Raffaele Tito, et al.
Veröffentlicht: (2025)

Parton Labeling without Matching: Unveiling Emergent Labelling Capabilities in Regression Models
von: Qiu, Shikai, et al.
Veröffentlicht: (2023)

Towards Universal Unfolding of Detector Effects in High-Energy Physics using Denoising Diffusion Probabilistic Models
von: Pazos, Camila, et al.
Veröffentlicht: (2024)

Background Modeling for Double Higgs Boson Production: Density Ratios and Optimal Transport
von: Manole, Tudor, et al.
Veröffentlicht: (2022)

Graph theory inspired anomaly detection at the LHC
von: Araz, Jack Y., et al.
Veröffentlicht: (2025)

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

Isolating Unisolated Upsilons with Anomaly Detection in CMS Open Data
von: Gambhir, Rikab, et al.
Veröffentlicht: (2025)

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

Why Is Attention Sparse In Particle Transformer?
von: Legge, Timothy, et al.
Veröffentlicht: (2025)

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

Resummed Distribution Functions: Making Perturbation Theory Positive and Normalized
von: Gambhir, Rikab, et al.
Veröffentlicht: (2025)

stanhf: HistFactory models in the probabilistic programming language Stan
von: Fowlie, Andrew
Veröffentlicht: (2025)

Tools for Unbinned Unfolding
von: Milton, Ryan, et al.
Veröffentlicht: (2025)

Automatizing the search for mass resonances using BumpNet
von: Arguin, Jean-Francois, et al.
Veröffentlicht: (2025)

Observable Optimization for Precision Theory: Machine Learning Energy Correlators
von: Bhattacharya, Arindam, et al.
Veröffentlicht: (2025)

Machine Learning-Assisted Unfolding for Neutrino Cross-section Measurements with the OmniFold Technique
von: Huang, Roger G., et al.
Veröffentlicht: (2025)

Exploring the BSM parameter space with Neural Network aided Simulation-Based Inference
von: Chatterjee, Atrideb, et al.
Veröffentlicht: (2025)

Physics and Computing Performance of the EggNet Tracking Pipeline
von: Chan, Jay, et al.
Veröffentlicht: (2025)

Sensitivity to New Physics Phenomena in Anomaly Detection: A Study of Untunable Hyperparameters
von: de Souza, Fernando Abreu, et al.
Veröffentlicht: (2025)

A Practical Guide to Unbinned Unfolding
von: Canelli, Florencia, et al.
Veröffentlicht: (2025)

Stabilizing Neural Likelihood Ratio Estimation
von: Acosta, Fernando Torales, et al.
Veröffentlicht: (2025)

Frequentist Uncertainties on Neural Density Ratios with wifi Ensembles
von: Benevedes, Sean, et al.
Veröffentlicht: (2025)

Transforming Simulation to Data Without Pairing
von: Gendreau-Distler, Eli, et al.
Veröffentlicht: (2025)

Development of systematic uncertainty-aware neural network trainings for binned-likelihood analyses at the LHC
von: CMS Collaboration
Veröffentlicht: (2025)

Bring the noise: exact inference from noisy simulations in collider physics
von: Chang, Christopher, et al.
Veröffentlicht: (2025)

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

Double Metric Learning for Building Directed Graphs with Chain Connections for the ATLAS ITk Detector
von: Chan, Jay
Veröffentlicht: (2026)

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

Accelerating Resonance Searches via Signature-Oriented Pre-training
von: Li, Congqiao, et al.
Veröffentlicht: (2024)

Accurate and robust methods for direct background estimation in resonant anomaly detection
von: Das, Ranit, et al.
Veröffentlicht: (2024)

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