Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | European Organization for Nuclear Research (CERN) | - |
Autor(es): dc.contributor | National and Kapodistrian University of Athens | - |
Autor(es): dc.contributor | University of California San Diego | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | California Institute of Technology | - |
Autor(es): dc.creator | Touranakou, Mary | - |
Autor(es): dc.creator | Chernyavskaya, Nadezda | - |
Autor(es): dc.creator | Duarte, Javier | - |
Autor(es): dc.creator | Gunopulos, Dimitrios | - |
Autor(es): dc.creator | Kansal, Raghav | - |
Autor(es): dc.creator | Orzari, Breno | - |
Autor(es): dc.creator | Pierini, Maurizio | - |
Autor(es): dc.creator | Tomei, Thiago | - |
Autor(es): dc.creator | Vlimant, Jean-Roch | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:55:41Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:55:41Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1088/2632-2153/ac7c56 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240570 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240570 | - |
Descrição: dc.description | We study how to use deep variational autoencoders (VAEs) for a fast simulation of jets of particles at the Large Hadron Collider. We represent jets as a list of constituents, characterized by their momenta. Starting from a simulation of the jet before detector effects, we train a deep VAE to return the corresponding list of constituents after detection. Doing so, we bypass both the time-consuming detector simulation and the collision reconstruction steps of a traditional processing chain, speeding up significantly the events generation workflow. Through model optimization and hyperparameter tuning, we achieve state-of-the-art precision on the jet four-momentum, while providing an accurate description of the constituents momenta, and an inference time comparable to that of a rule-based fast simulation. | - |
Descrição: dc.description | European Organization for Nuclear Research (CERN) | - |
Descrição: dc.description | Department of Informatics and Telecommunications National and Kapodistrian University of Athens | - |
Descrição: dc.description | University of California San Diego, La Jolla | - |
Descrição: dc.description | Universidade Estadual Paulista, SP | - |
Descrição: dc.description | California Institute of Technology | - |
Descrição: dc.description | Universidade Estadual Paulista, SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Machine Learning: Science and Technology | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | generative models | - |
Palavras-chave: dc.subject | particle physics | - |
Palavras-chave: dc.subject | sparse data simulation | - |
Título: dc.title | Particle-based fast jet simulation at the LHC with variational autoencoders | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: