机构名称：
¥ 4.0
粒子物理学中的数据分析依赖于粒子碰撞的准确模拟和检测器效应的详细模拟，以从记录的数据中提取物理知识。事件发生器以及基于Geant的模拟模拟，用于生成大量的模拟事件样本，以通过LHC实验进行分析。这些模拟的计算成本很高，其中检测器模拟和重建算法的CPU需求最大。本文介绍了如何使用一组给定模型参数获得的机器学习（ML）技术来重新使用类似的样品，以与来自不同参数或样本的样本中获得的样品。ML重新加权方法避免了需要通过事件权重将相关信息在单个样本中不相关的信息来多次模拟检测器响应。在LHC处的模拟顶级夸克对生产中，提出了用于重新加权的结果，以重新加权以建模变化和高阶计算。这种基于ML的重新加权是CMS实验的未来计算模型的重要组成部分，并将促进高光度LHC处的精确测量。
使用CMS实验中的机器学习技术重新权将模拟事件重新释放事件
主要关键词
相关文件推荐
