Machine learning-based event generator for electron-proton scattering

URN zum Zitieren dieses Dokuments:: urn:nbn:de:bvb:355-epub-535945
DOI zum Zitieren dieses Dokuments:: 10.5283/epub.53594

Alanazi, Y.

; Ambrozewicz, P.

; Battaglieri, M. ; Hiller Blin, Astrid N. ; Kuchera, M. P.

; Li, Y. ; Liu, T.

; McClellan, R. E. ; Melnitchouk, W.

; Pritchard, E. ; Robertson, M.

; Sato, N. ; Strauss, R. ; Velasco, L.

	Lizenz: Creative Commons Namensnennung 4.0 International PDF - Veröffentlichte Version (1MB)
	XML (87kB)

Veröffentlichungsdatum dieses Volltextes: 20 Jan 2023 13:37

Alternative Links zum Volltext:DOI Verlag

Details

Vorschau

Indiziert in

Bibliographische Daten exportieren

Zusammenfassung

We present a new machine learning-based Monte Carlo event generator using generative adversarial networks (GANs) that can be trained with calibrated detector simulations to construct a vertex-level event generator free of theoretical assumptions about femtometer scale physics. Our framework includes a GAN-based detector folding as a fast-surrogate model that mimics detector simulators. The ...

Nur für Besitzer und Autoren: Kontrollseite des Eintrags

Downloadstatistik

Altmetric

Alternative Statistik (altmetrics)

Weitere Literatur (mittels CORE)

Details

Vorschau

Indiziert in

Bibliographische Daten exportieren

Zusammenfassung

Zusammenfassung

Downloadstatistik

Downloads

Alternative Statistik (altmetrics)

Weitere Literatur (mittels CORE)

Universitätsbibliothek