Buchumschlag

Symbolic Density Estimation: A Decompositional Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rajendram, Angelo, Chu, Xieting, Ganesh, Vijay, Fieg, Max, Ghosh, Aishik
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning High Energy Physics - Phenomenology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards AI-assisted Neutrino Flavor Theory Design
von: Baretz, Jason Benjamin, et al.
Veröffentlicht: (2025)

Time-dependent signals of new physics at the LHC
von: Fieg, Max H., et al.
Veröffentlicht: (2026)

Learning Broken Symmetries with Approximate Invariance
von: Nabat, Seth, et al.
Veröffentlicht: (2024)

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

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

The LHC as a TeV Muon Beam Dump: Muonphilic Scalars at FASER
von: Abraham, Roshan Mammen, et al.
Veröffentlicht: (2025)

Octet scalars shaping LHC distributions in 4-jet final states
von: Dobrescu, Bogdan A., et al.
Veröffentlicht: (2025)

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

Symbolic Regression via Latent Iterative Refinement
von: Chu, Xieting, et al.
Veröffentlicht: (2026)

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

Inferring Interpretable Models of Fragmentation Functions using Symbolic Regression
von: Makke, Nour, et al.
Veröffentlicht: (2025)

The X17 with Chiral Couplings
von: Fieg, Max H., et al.
Veröffentlicht: (2026)

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

Neutrino Oscillation Parameter Estimation Using Structured Hierarchical Transformers
von: Morales, Giorgio, et al.
Veröffentlicht: (2026)

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

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

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

PCN: A Deep Learning Approach to Jet Tagging Utilizing Novel Graph Construction Methods and Chebyshev Graph Convolutions
von: Semlani, Yash, et al.
Veröffentlicht: (2023)

Untangling New Physics in Single Resonant Top Quarks
von: Wu, Krish, et al.
Veröffentlicht: (2025)

Learning to Reconstruct Quirky Tracks
von: Sha, Qiyu, et al.
Veröffentlicht: (2024)

Detecting LHC Neutrinos at Surface Level
von: Ariga, Akitaka, et al.
Veröffentlicht: (2025)

Quantum-Inspired Tensor Network Autoencoders for Anomaly Detection: A MERA-Based Approach
von: Gurkanli, Emre, et al.
Veröffentlicht: (2026)

Improved Ground State Estimation in Quantum Field Theories via Normalising Flow-Assisted Neural Quantum States
von: Ngairangbam, Vishal S., et al.
Veröffentlicht: (2025)

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

A Language Model for Particle Tracking
von: Huang, Andris, et al.
Veröffentlicht: (2024)

A Lorentz-Equivariant Transformer for All of the LHC
von: Brehmer, Johann, et al.
Veröffentlicht: (2024)

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

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

SEAL - A Symmetry EncourAging Loss for High Energy Physics
von: Hebbar, Pradyun, 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)

HEP-JEPA: A foundation model for collider physics using joint embedding predictive architecture
von: Bardhan, Jai, et al.
Veröffentlicht: (2025)

Explainable AI for Jet Tagging: A Comparative Study of GNNExplainer, GNNShap, and GradCAM for Jet Tagging in the Lund Jet Plane
von: Patel, Pahal D., et al.
Veröffentlicht: (2026)

A multicategory jet image classification framework using deep neural network
von: Sandoval, Jairo Orozco, et al.
Veröffentlicht: (2024)

A comparison of Bayesian sampling algorithms for high-dimensional particle physics and cosmology applications
von: Albert, Joshua, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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