Ultra-Fast Event Generation using Modern Neural Networks

使用现代神经网络超快速事件生成

• 批准号: 536076313
• 负责人: Professor Dr. Tilman Plehn
• 金额: --
• 依托单位: Centre de Cosmologie, Physique des Particules et Phénoménologie
• 依托单位国家: 德国
• 项目类别: Research Grants
• 资助国家: 德国
• 项目状态: 未结题
• 来源: https://gepris.dfg.de/gepris/projekt/536076313?language=en
• 关键词: Ultra; Fast; Event; Generation; using

Particle physics is undergoing a rapid transformation driven by contemporary data science, including modern machine learning (ML) techniques. Applications of such methods are driven by a unique combination of fundamental physics questions with fast first-principle simulations, vast datasets, and full uncertainty control. The keystone in this development and the goal of this proposal are ML-based simulation and analysis tools, combining event generators with simulation-based inference methods. Our ambition is to build the first ML- based matrix-element event generator, opening the era of ultra-fast event generation in high-energy physics, with a vast range of possible applications in phenomenology, data analysis, and interpretation.

在当代数据科学（包括现代机器学习（ML）技术）的推动下，粒子物理学正在经历快速转型。这些方法的应用是由基础物理问题与快速第一原理模拟，庞大的数据集和完全不确定性控制的独特组合驱动的。这一发展的重点和目标是基于机器学习的仿真和分析工具，将事件生成器与基于仿真的推理方法相结合。我们的目标是建立第一个基于ML的矩阵元素事件生成器，开启高能物理中超快速事件生成的时代，在现象学，数据分析和解释方面具有广泛的应用前景。