Buchumschlag

GRACE: an Agentic AI for Particle Physics Experiment Design and Simulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hill, Justin, Ryoo, Hong Joo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	High Energy Physics - Experiment Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Agentic AI -- Physicist Collaboration in Experimental Particle Physics: A Proof-of-Concept Measurement with LEP Open Data
von: Badea, Anthony, et al.
Veröffentlicht: (2026)

Collider-Bench: Benchmarking AI Agents with Particle Physics Analysis Reproduction
von: Faroughy, Darius A., et al.
Veröffentlicht: (2026)

AI Agents Can Already Autonomously Perform Experimental High Energy Physics
von: Moreno, Eric A., et al.
Veröffentlicht: (2026)

Deep Generative Models for Ultra-High Granularity Particle Physics Detector Simulation: A Voyage From Emulation to Extrapolation
von: Hashemi, Baran
Veröffentlicht: (2024)

Patch Hierarchical Attention Transformer for Efficient Particle Jet Tagging
von: Wang, Aaron, et al.
Veröffentlicht: (2026)

Experiments in Agentic AI for Science
von: Fox, Judy, et al.
Veröffentlicht: (2026)

Physics Instrument Design with Reinforcement Learning
von: Qasim, Shah Rukh, et al.
Veröffentlicht: (2024)

Full Event Particle-Level Unfolding with Variable-Length Latent Variational Diffusion
von: Shmakov, Alexander, et al.
Veröffentlicht: (2024)

AI Agents, Language, Deep Learning and the Next Revolution in Science
von: Li, Ke, et al.
Veröffentlicht: (2026)

An End-to-end Architecture for Collider Physics and Beyond
von: Qiu, Shi, et al.
Veröffentlicht: (2026)

Another Fit Bites the Dust: Conformal Prediction as a Calibration Standard for Machine Learning in High-Energy Physics
von: Araz, Jack Y., et al.
Veröffentlicht: (2025)

First Estimation of Model Parameters for Neutrino-Induced Nucleon Knockout Using Simulation-Based Inference
von: Tame-Narvaez, Karla, et al.
Veröffentlicht: (2026)

Strategic White Paper on AI Infrastructure for Particle, Nuclear, and Astroparticle Physics: Insights from JENA and EuCAIF
von: Caron, Sascha, et al.
Veröffentlicht: (2025)

Phenomenological Detector Design and Optimization in Vertically-Integrated Differentiable Full Simulations with Agentic-AI
von: Chung, Wonyong, et al.
Veröffentlicht: (2026)

From Experimental Limits to Physical Insight: A Retrieval-Augmented Multi-Agent Framework for Interpreting Searches Beyond the Standard Model
von: Cakir, Altan, et al.
Veröffentlicht: (2026)

CelloAI: Leveraging Large Language Models for HPC Software Development in High Energy Physics
von: Atif, Mohammad, et al.
Veröffentlicht: (2025)

Building an AI-native Research Ecosystem for Experimental Particle Physics: A Community Vision
von: Aarrestad, Thea Klaeboe, et al.
Veröffentlicht: (2026)

Autonomous Discovery of Particle Physics Theories from Experimental Data
von: Alexander, Stephon, et al.
Veröffentlicht: (2026)

HepScript: A Dual-Use DSL for Human-AI Collaborative Data Analysis Workflows in High-Energy Physics
von: Jiao, Junkun, et al.
Veröffentlicht: (2026)

Experimental Particle Physics Priorities 2025: A String Phenomenology Perspective
von: DeMont, Jonathan, et al.
Veröffentlicht: (2025)

The Belle II Experiment at SuperKEKB -- Input to the European Particle Physics Strategy
von: The Belle II Collaboration
Veröffentlicht: (2025)

Large Language Models for Physics Instrument Design
von: Zoccheddu, Sara, et al.
Veröffentlicht: (2026)

Probing SMEFT Operators through $t\bar{t}t\bar{t}$ Production with Hyper-Graph Neural Networks at the LHC
von: Subba, Amir, et al.
Veröffentlicht: (2026)

A case study of sending graph neural networks back to the test bench for applications in high-energy particle physics
von: Pfeffer, Emanuel, et al.
Veröffentlicht: (2024)

FM4NPP: A Scaling Foundation Model for Nuclear and Particle Physics
von: Park, David, et al.
Veröffentlicht: (2025)

AutoFLUKA: A Large Language Model Based Framework for Automating Monte Carlo Simulations in FLUKA
von: Ndum, Zavier Ndum, et al.
Veröffentlicht: (2024)

End-to-end event reconstruction for precision physics at future colliders
von: Garcia, Dolores, et al.
Veröffentlicht: (2026)

Unpaired Image Translation to Mitigate Domain Shift in Liquid Argon Time Projection Chamber Detector Responses
von: Huang, Yi, et al.
Veröffentlicht: (2023)

eLog analysis for accelerators: status and future outlook
von: Sulc, Antonin, et al.
Veröffentlicht: (2025)

Neutrino Reconstruction in TRIDENT Based on Graph Neural Network
von: Mo, Cen, et al.
Veröffentlicht: (2024)

Gedanken Experiments of Entanglement in Particle Physics: Interactions, Operators and Bell Inequalities in Flavor Space
von: Pacheco, Corbin, et al.
Veröffentlicht: (2025)

Spatially Aware Linear Transformer (SAL-T) for Particle Jet Tagging
von: Wang, Aaron, et al.
Veröffentlicht: (2025)

Probing Light Dark Particles in Neutrino Scattering Experiments
von: Feng, Ruofei, et al.
Veröffentlicht: (2026)

Searching for Long-Lived Particles in Free Neutron Experiments
von: Meirose, B., et al.
Veröffentlicht: (2025)

When Does Critique Improve AI-Assisted Theoretical Physics? SCALAR: Structured Critic--Actor Loop for Agentic Reasoning
von: Niarchos, Vasilis, et al.
Veröffentlicht: (2026)

Experimental Impact of Jet Fragmentation Reference Frames At Particle Colliders
von: Lee, Lawrence, et al.
Veröffentlicht: (2023)

An AI-based Detector Simulation and Reconstruction Model for the ALEPH Experiment at LEP
von: Lo, Ya-Feng, et al.
Veröffentlicht: (2026)

Anomalies in Particle Physics
von: Crivellin, Andreas, et al.
Veröffentlicht: (2023)

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

Improving Neutrino Oscillation Measurements through Event Classification
von: Ellis, Sebastian A. R., et al.
Veröffentlicht: (2025)