KIT | KIT-Bibliothek | Impressum | Datenschutz

Calomplification — the power of generative calorimeter models

Bieringer, S. ; Butter, A.; Diefenbacher, S.; Eren, E.; Gaede, F.; Hundhausen, D.; Kasieczka, G.; Nachman, B.; Plehn, T.; Trabs, M. 1
1 Fakultät für Mathematik (MATH), Karlsruher Institut für Technologie (KIT)

Abstract:

Motivated by the high computational costs of classical simulations, machine-learned generative models can be extremely useful in particle physics and elsewhere. They become especially attractive when surrogate models can efficiently learn the underlying distribution, such that a generated sample outperforms a training sample of limited size. This kind of GANplification has been observed for simple Gaussian models. We show the same effect for a physics simulation, specifically photon showers in an electromagnetic calorimeter.


Verlagsausgabe §
DOI: 10.5445/IR/1000151792
Veröffentlicht am 28.10.2022
Originalveröffentlichung
DOI: 10.1088/1748-0221/17/09/P09028
Scopus
Zitationen: 8
Web of Science
Zitationen: 8
Dimensions
Zitationen: 15
Cover der Publikation
Zugehörige Institution(en) am KIT Fakultät für Mathematik (MATH)
Publikationstyp Zeitschriftenaufsatz
Publikationsdatum 01.09.2022
Sprache Englisch
Identifikator ISSN: 1748-0221
KITopen-ID: 1000151792
Erschienen in Journal of Instrumentation
Verlag Institute of Physics Publishing Ltd (IOP Publishing Ltd)
Band 17
Heft 09
Seiten Art.Nr. P09028
Nachgewiesen in Dimensions
Web of Science
Scopus
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page