BriefGPT - AI 论文速递
·
马约拉纳示范器数据发布给人工智能 / 机器学习应用
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种可解释的、物理感知的机器学习模型，能够推断高能粒子碰撞的基础物理。通过使用生成对抗网络（GAN）的概念，该方法学习自发射子阶级蒙特卡洛事例发生器，不仅能学习粒子的最终分布，还能学习阶级分支机制。作者预见到该框架在非微扰和集体效应、分解破坏和重离子和电子-核碰撞中的发射子阶级修改等领域具有广泛应用。
🎯
关键要点
- 提出了一种可解释的、物理感知的机器学习模型，推断高能粒子碰撞的基础物理。
- 利用最终状态粒子的能量 - 动量四矢量中的信息。
- 使用生成对抗网络（GAN）学习自 DGLAP 型发射子阶级蒙特卡洛事例发生器。
- 方法能够学习粒子的最终分布和阶级分支机制，包括 Altarelli-Parisi 分裂函数、阶级的序列变量和缩放行为。
- 框架在非微扰和集体效应、分解破坏和重离子与电子-核碰撞中的发射子阶级修改等领域具有广泛应用。
➡️
