1 |
|
2 |
|
三。 |
|
4 |
[出版物-2023-07886]
会议演示文稿
麦基翁,P。;A.科罗尔。;埃伦,E。;等
快速热量计淋浴模拟的新视角
2023喷气物理的机器学习,(ML4喷气式飞机),汉堡汉堡,德国2023年11月6日至2023年10月10日2023-11-062023-11-10
高能物理实验的模拟要求对可用的计算资源提出了主要要求。这些模拟压力预计将在LHC即将到来的高亮度阶段和未来的对撞机中进一步增加。[...]
|
5 |
[出版物-2023-07885]
会议演示文稿
麦基翁,P。;迪芬巴赫,S.D。;埃伦,E。;等
利用生成模型快速模拟高粒度热量计:首次物理应用
2023欧洲物理学会高能物理会议,EPS-HEP2023型,汉堡汉堡,德国,2023年8月20日至2023年08月25日2023-08-202023-08-25
虽然模拟在高能物理中起着至关重要的作用,但它也消耗了可用计算资源的很大一部分,这些计算压力将为LHC即将到来的高亮度阶段和未来的对撞机大幅增加。同时,未来检测器中显著更高的粒度增加了代理模拟器所需的物理精度。[...]
|
6 |
|
7 |
[出版物-2023-07877]
会议演示文稿(其他)
E.布曼。;埃伦,E。;盖德,F。;等
国际大型探测器电磁簇射器快速仿真的扩散神经网络生成建模
202386.DPG年会和DPG物质与宇宙部门春季会议,SMuK公司,德累斯顿工业大学德累斯顿,德累斯顿工业大学,德国,2023年3月20日至2023年5月24日2023-03-202023-03-24
在高能物理中,粒子与探测器的相互作用使用了详细且耗时的模拟。对于未来的实验和大型强子对撞机(HL-LHC)即将到来的高亮度阶段,传统模拟工具的计算成本预计将超过预计的计算资源。生成神经网络(GNN)有潜力提供快速准确的替代方案。[...]
|
8 |
|
9 |
|
10 |
|