Continuous simulation of hypothetical physics processes with multiple free parameters
Continuous simulation of hypothetical physics processes with multiple free parameters
复制标题
具有多个自由参数的假设物理过程的连续模拟
DOI：
10.1088/1742-6596/368/1/012042
复制
发表时间：
2011-07
期刊：
影响因子：
--
通讯作者：
Lee, Shih-Chang
中科院分区：
文献类型：
--
作者：
Zhong, Jiahang;Huang, Run-Sheng;Lee, Shih-Chang
提出了一种新的方法来模拟由多个参数定义的超标准模型（BSM）过程。在传统的网格扫描方法中，大量的事件被模拟在参数空间中的稀疏网格的每个点，这种新的方法模拟只有少数事件在每个选定的数量的点随机分布在整个参数空间。在随后的分析中，我们依靠贝叶斯神经网络（BNN）技术的拟合，以获得准确的估计的接受分布。利用这种新方法，可以连续地估计信号产额，同时大大减少了所需的仿真事件的数量。
We present a new approach to simulate Beyond-Standard-Model (BSM) processes which are defined by multiple parameters. In contrast to the traditional grid-scan method where a large number of events are simulated at each point of a sparse grid in the parameter space, this new approach simulates only a few events at each of a selected number of points distributed randomly over the whole parameter space. In subsequent analysis, we rely on the fitting by the Bayesian Neural Network (BNN) technique to obtain accurate estimation of the acceptance distribution. With this new approach, the signal yield can be estimated continuously, while the required number of simulation events is greatly reduced.
登录
查看更多内容
DOI：
10.1002/0471791539.ch8
发表时间：
2005-10
期刊：
--
影响因子：
--
作者：
J. Billingsley
通讯作者：
J. Billingsley
影响因子：
5
作者：
Alwall, Johan;Schuster, Philip C.;Toro, Natalia
通讯作者：
Toro, Natalia
DOI：
10.1088/0954-898x_6_3_011
发表时间：
1995
期刊：
Network: Computation In Neural Systems
影响因子：
--
作者：
D. MacKay
通讯作者：
D. MacKay
影响因子：
7.8
作者：
HORNIK, K;STINCHCOMBE, M;WHITE, H
通讯作者：
WHITE, H
影响因子：
5.4
作者：
K. Graczyk;P. Plonski;R. Sulej
通讯作者：
K. Graczyk;P. Plonski;R. Sulej