基于机器学习的展开已实现了无链接和高维差异横截面测量值。该研究领域已经出现了两种主要方法。一个基于判别模型和基于生成模型的模型。歧视模型的主要优点是,他们学习对起始模拟的较小校正,而生成模型则可以更好地扩展到相位空间区域,而数据很少。我们建议使用Schrödinger桥和扩散模型来创建Sbunfold,这是一种结合了歧视性和生成模型的优势的展开方法。sbunfold的关键特征是,其生成模型将一组事件映射到另一组事件中,而无需经过已知的概率密度,就像使流量和标准扩散模型的正常情况一样。我们表明,与合成ZÞJETS数据集中的最新方法相比,Sbunfold取得了出色的性能。
主要关键词