improvement of simulation in IR region using DL and new physics search

使用深度学习和新的物理搜索改进红外区域的模拟

• 批准号: 22K03629
• 负责人: 野尻 美保子
• 金额: $ 2.58万
• 依托单位: High Energy Accelerator Research Organization
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K03629/
• 关键词: 素粒子論; 深層学習; 素粒子実験; ジェットの物理; QCD

本年度はジェットのシミュレーションの精密化に向けて以下のような整備をおこなった。1) 最新のPYTHIA8 Herwig 7 のイベントにおいて、十分な数のトップ及びQCDサンプルを生成する。 2) Particle Net や Particle transformer といった、最新のグラフニューラルネットワークアルゴリズムによる、イベント分類を行うことができるようにした。3) High level variable として重要な量を検討し、GNN と同等程度の性能を出しより安定して出せる模型を構築した。（すなわち、最適化に伴う誤差や、統計誤差が少なく、少ないイベント数で収束する。）High Level variable としては、ジェット内のサブジェットの運動量、ジェット内の粒子数、2点エネルギー相関のほか、ミンコフスキー汎関数をもとにした、粒子数分布による定量化をおこなった。このHigh level variable の入力をモジュラー化することによって、個別の入力の何が感度に向上しているかを明らかにした。特に、シミュレーションの間の違いは、ミンコフスキー汎関数を入力に入れることで、定量化できることを明らかにした。新しい模型は、GPU メモリーとしてはGNNの 1/10程度しか必要とせず、また、入力を部分的に制限することで、どのような量が分類に効いているか、また異なるモンテカルロシミュレーションによる結果の差に、エネルギーが低い粒子の分布の粒子の相対距離が大きく関係していることが明らかいになった。現在この成果について論文を執筆中である。

This year, the company will continue to improve the quality of its products and services. 1)The latest PYTHIA8 Herwig 7 events are generated in the following ways: 2)Particle Net Particle transformer, latest update, latest update, latest update. 3)High level variable and high level variable. GNN. (optimization, error, statistical error, etc.) High Level variable: Motion of the particles in the column, number of particles in the column, correlation of the particles in the column, quantification of the particle number distribution The High level variable input force is different. In particular, it is necessary to quantify the amount of water in the water. The new model is based on the 1/10 degree of GNN, the necessary limit, the input limit, the difference between the results of the classification and the distribution of the particles, and the large relative distance between the particles. Now the results are in the middle of writing the paper.

项目成果

深層学習によるジェット分類の効率化の理解

使用深度学习了解喷气机分类的效率

• 发表时间: 2023
• 作者: Lim Sung Hak;Nojiri Mihoko M.;宮本 雲平;古市亜門 野尻美保子 Sung Hak Lim
• 通讯作者: 古市亜門 野尻美保子 Sung Hak Lim

Morphology for jet classification

射流分类的形态学

• DOI: 10.1103/physrevd.105.014004
• 发表时间: 2022
• 期刊: Physical Review D
• 影响因子: 5
• 作者: Lim Sung Hak;Nojiri Mihoko M.
• 通讯作者: Nojiri Mihoko M.

Anatomy of Jet classification using Deep Learning

使用深度学习剖析 Jet 分类

• 发表时间: 2022
• 作者: Lim Sung Hak;Nojiri Mihoko M.;宮本 雲平;古市亜門 野尻美保子 Sung Hak Lim;Mihoko M Nojiri
• 通讯作者: Mihoko M Nojiri

ラトガス大学(米国)

拉格斯大学（美国）