Buchumschlag

Quantitative Understanding of PDF Fits and their Uncertainties

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chiefa, Amedeo, Del Debbio, Luigi, Kenway, Richard
Format:	Preprint
Veröffentlicht:	2025
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

Status and Developments in Polarised Parton Distribution Functions
von: Chiefa, Amedeo
Veröffentlicht: (2024)

Parton distributions with higher twist and jet power corrections
von: Ball, Richard D., et al.
Veröffentlicht: (2025)

Helicity-dependent parton distribution functions at next-to-next-to-leading order accuracy from inclusive and semi-inclusive deep-inelastic scattering data
von: MAP, et al.
Veröffentlicht: (2024)

Bayesian Inference with Gaussian Processes for the Determination of Parton Distribution Functions
von: Candido, Alessandro, et al.
Veröffentlicht: (2024)

Bayesian solution to the inverse problem and its relation to Backus-Gilbert methods
von: Del Debbio, Luigi, et al.
Veröffentlicht: (2024)

First next-to-next-to-leading-order extraction of fragmentation functions for Lambda hyperons
von: Bertone, Valerio, et al.
Veröffentlicht: (2026)

Absorbing discretisation effects with a massive renormalization scheme: the charm-quark mass
von: Del Debbio, Luigi, et al.
Veröffentlicht: (2024)

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

Parton distributions confront LHC Run II data: a quantitative appraisal
von: Chiefa, Amedeo, et al.
Veröffentlicht: (2025)

Anomalies, Representations, and Self-Supervision
von: Dillon, Barry M., et al.
Veröffentlicht: (2023)

Lorentz Local Canonicalization: How to Make Any Network Lorentz-Equivariant
von: Spinner, Jonas, et al.
Veröffentlicht: (2025)

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

Using Machine Learning to Improve PDF Uncertainties
von: Gombas, Jason P., et al.
Veröffentlicht: (2024)

Learning Pole Structures of Hadronic States using Predictive Uncertainty Estimation
von: Frohnert, Felix, et al.
Veröffentlicht: (2025)

The Importance of Flavor in SMEFT Electroweak Precision Fits
von: Bellafronte, Luigi, et al.
Veröffentlicht: (2023)

Axion domain walls and thermal friction
von: Favitta, Amedeo M.
Veröffentlicht: (2025)

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

BRICKS: Compositional Neural Markov Kernels for Zero-Shot Radiation-Matter Simulation
von: Hildebrandt, Richard, et al.
Veröffentlicht: (2026)

A Stress Test of Global PDF Fits: Closure Testing the MSHT PDFs and a First Direct Comparison to the Neural Net Approach
von: Harland-Lang, L. A., et al.
Veröffentlicht: (2024)

Combining QED and Approximate N${}^3$LO QCD Corrections in a Global PDF Fit: MSHT20qed_an3lo PDFs
von: Cridge, T., et al.
Veröffentlicht: (2023)

Contrastive Normalizing Flows for Uncertainty-Aware Parameter Estimation
von: Elsharkawy, Ibrahim, et al.
Veröffentlicht: (2025)

FAIR Universe HiggsML Uncertainty Dataset and Competition
von: Benato, Lisa, et al.
Veröffentlicht: (2024)

A Determination of the Top Mass from a Global PDF Analysis
von: Ball, Richard D., et al.
Veröffentlicht: (2026)

Chimera baryons and mesons on the lattice: a spectral density analysis
von: Bennett, Ed, et al.
Veröffentlicht: (2025)

On the Axion Electrodynamics in a two-dimensional slab and the Casimir effect
von: Brevik, Iver, et al.
Veröffentlicht: (2023)

Progress on the spectroscopy of lattice gauge theories using spectral densities
von: Bennett, Ed, et al.
Veröffentlicht: (2024)

Meson spectroscopy from spectral densities in lattice gauge theories
von: Bennett, Ed, et al.
Veröffentlicht: (2024)

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

The Pareto Frontier of Resilient Jet Tagging
von: Gambhir, Rikab, et al.
Veröffentlicht: (2025)

E-PCN: Jet Tagging with Explainable Particle Chebyshev Networks Using Kinematic Features
von: Islam, Md Raqibul, et al.
Veröffentlicht: (2025)

Stable and Interpretable Jet Physics with IRC-Safe Equivariant Feature Extraction
von: Konar, Partha, et al.
Veröffentlicht: (2025)

SEAL - A Symmetry EncourAging Loss for High Energy Physics
von: Hebbar, Pradyun, et al.
Veröffentlicht: (2025)

A Perspective on Symbolic Machine Learning in Physical Sciences
von: Makke, Nour, 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)

Simulation-Prior Independent Neural Unfolding Procedure
von: Butter, Anja, et al.
Veröffentlicht: (2025)

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

Tagging fully hadronic exotic decays of the vectorlike $\mathbf{B}$ quark using a graph neural network
von: Bardhan, Jai, et al.
Veröffentlicht: (2025)

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

Generator Based Inference (GBI)
von: Cheng, Chi Lung, et al.
Veröffentlicht: (2025)