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 | University of California San Diego | - |
Autor(es): dc.contributor | European Center for Nuclear Research (CERN) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Fermilab | - |
Autor(es): dc.creator | Kansal, Raghav | - |
Autor(es): dc.creator | Li, Anni | - |
Autor(es): dc.creator | Duarte, Javier | - |
Autor(es): dc.creator | Chernyavskaya, Nadezda | - |
Autor(es): dc.creator | Pierini, Maurizio | - |
Autor(es): dc.creator | Orzari, Breno | - |
Autor(es): dc.creator | Tomei, Thiago | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:09:25Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:09:25Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-04-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1103/PhysRevD.107.076017 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/247328 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/247328 | - |
Descrição: dc.description | There has been a recent explosion in research into machine-learning-based generative modeling to tackle computational challenges for simulations in high energy physics (HEP). In order to use such alternative simulators in practice, we need well-defined metrics to compare different generative models and evaluate their discrepancy from the true distributions. We present the first systematic review and investigation into evaluation metrics and their sensitivity to failure modes of generative models, using the framework of two-sample goodness-of-fit testing, and their relevance and viability for HEP. Inspired by previous work in both physics and computer vision, we propose two new metrics, the Fréchet and kernel physics distances (FPD and KPD, respectively) and perform a variety of experiments measuring their performance on simple Gaussian-distributed and simulated high energy jet datasets. We find FPD, in particular, to be the most sensitive metric to all alternative jet distributions tested and recommend its adoption, along with the KPD and Wasserstein distances between individual feature distributions, for evaluating generative models in HEP. We finally demonstrate the efficacy of these proposed metrics in evaluating and comparing a novel attention-based generative adversarial particle transformer to the state-of-the-art message-passing generative adversarial network jet simulation model. The code for our proposed metrics is provided in the open source jetnet python library. | - |
Descrição: dc.description | University of California San Diego | - |
Descrição: dc.description | European Center for Nuclear Research (CERN) | - |
Descrição: dc.description | Universidade Estadual Paulista, SP | - |
Descrição: dc.description | Fermilab | - |
Descrição: dc.description | Universidade Estadual Paulista, SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Physical Review D | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Evaluating generative models in high energy physics | - |
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: