Regularised unfolding with a discrete-valued penalty function
本文针对离散解包问题,提出一种基于离散值惩罚函数的新型正则化方案,无需逐案调整参数,在玩具研究中取得满意结果。
2023-09-06 hep-ex physics.data-an
Densities mixture unfolding for data obtained from detectors with finite resolution and limited acceptance
基于混合密度模型,提出了一种用于校正由于有限分辨率和有限探测器接受度而导致的实验数据失真的方法。解决的情况下,解决方案是已知的是非负的,在这里提出的方法中,真实的分布是由一个加权和的概率密度函数与正权重和宽度的密度作为正则化参数负责结果的平滑估计。为了在人口较少的区域中获得更好的平滑,宽度参数被选择为与估计密度的平方根成反比。此外,非负的garrotte方法被用来寻找最经济的解决方案的代表。交叉验证,以确定最佳值的分辨率和绞杀参数。所提出的方法是直接适用于多维问题。数值例子在一个和两个维度来说明的过程。
2015-01-05 astro-ph.IM hep-ex nucl-ex
Unfolding with Generative Adversarial Networks
将测量的探测器水平分布校正到粒子水平是使数据在实验合作之外可用的关键。术语展开用于描述该过程。本文提出了一种使用改进的生成对抗网络(MSGAN)展开数据的新方法。应用于各种分布的广泛不同的形状,它的表现大致与目前使用的方法。这是一个最先进的机器学习方法的原理证明,可以用来很好地模拟检测器的影响。
2018-08-04 hep-ex hep-ph physics.data-an
A direct method for unfolding the resolution function from measurements of neutron induced reactions
本文探讨了由中子感生反应测量展开分辨函数的直接方法的数值稳定性和计算效率。一个详细的决议功能形式主义,其次是概述了在实际实施的方法中存在的挑战。为了便于分辨函数矩阵的存储管理,提高矩阵乘法和分解过程的计算效率,提出了一种特殊的矩阵存储方案。由于其令人钦佩的计算特性,乔莱斯基分解是展开过程的核心。该方法只需对待分解的矩阵作必要的最小修改,就可成功地应用于$10^5\times10^5$系统。然而,在直接反演过程中的不确定性的放大限制了该方法的适用性,以高精度测量的中子诱发反应。
2017-10-20 physics.comp-ph physics.data-an
Unbinned Profiled Unfolding
本研究针对粒子物理中现有无分箱反演方法无法同时约束冗余参数的问题,提出了一种基于机器学习、以探测器级分箱输入的完整似然函数为损失的无分箱轮廓化反演方法,可得到无分箱微分截面并处理冗余参数,经高斯示例和希格斯玻色子模拟测量验证有效。
2023-07-07 hep-ex hep-ph physics.data-an
Unfolding without Iterations, Adversaries, or Surrogates
Institut für Theoretische Physik, Universität Heidelberg(海德堡大学理论物理研究所);Interdisciplinary Center for Scientific Computing (IWR), Universität Heidelberg(海德堡大学跨学科科学计算中心)
AUSSIE是一种无需迭代、对抗或替代物的展开方法,通过新的损失函数直接获得最小依赖参考模拟的解决方案,适用于多种展开任务。
2026-08-25 hep-ex hep-ph physics.data-an
Shape-constrained uncertainty quantification in unfolding steeply falling elementary particle spectra
高能物理展开问题是CERN大型强子对撞机(LHC)数据分析中的一个重要统计反问题。展开的目的是从粒子探测器有限分辨率的测量结果中对粒子谱进行非参数推断。以前的展开方法使用专门的离散化和正则化,导致置信区间的覆盖率显著低于其标称水平。而不是正则化使用粗糙度惩罚或停止迭代方法早期,我们施加物理动机的形状约束:积极性,单调性和凸性。我们量化的不确定性,通过构建一个非参数的置信集的真实光谱,包括所有这些光谱,满足形状的约束,并预测在适当校准的拟合水平的观察。投影该集合产生光谱的所有泛函的同时置信区间,包括箱内的平均值。置信区间保证了保守的频率有限样本覆盖率的重要和具有挑战性的一类展开问题急剧下降的粒子光谱。我们证明了该方法使用模拟,模仿展开包容性射流横向动量谱在大型强子对撞机。形状约束的间隔提供了有用的紧保守的推断,而传统的方法遭受严重的覆盖不足。
2017-06-08 hep-ex physics.data-an stat.AP
Unfolding by Folding: a resampling approach to the problem of matrix inversion without actually inverting any matrix
Institut de recherche en Mathématique et Physique(数学与物理研究所);Université catholique de Louvain(鲁汶天主教大学)
矩阵求逆问题在实验物理中经常遇到,特别是在高能粒子物理中,称为展开。物理量的真实光谱由于探测器的存在而变形,从而导致观察到的光谱。如果我们将真实和观察到的光谱离散化为直方图,我们可以通过矩阵对检测器响应进行建模。因此,从观察到的光谱开始推断真实光谱需要反转响应矩阵。在文献中存在许多方法用于此任务,所有从观察到的光谱开始,并使用模拟的真实光谱作为指导,以获得有意义的解决方案,在响应矩阵不容易可逆的情况下。在这本手册中,我对正在展开的问题采取了不同的方法。我没有反转响应矩阵并将观察到的分布转换为生成器空间中最有可能的父分布,而是在生成器空间中对许多分布进行采样,通过原始响应矩阵折叠它们,并挑选生成器级别的分布,以产生最接近数据分布的折叠分布。正则化方案可以被引入到处理的情况下,非对角响应矩阵的结果在真空间中的解决方案的高频振荡,并引入偏差进行了研究。该算法执行以及传统的展开算法的情况下,逆问题是定义良好的离散化的真实和涂抹空间,并优于他们的情况下,逆问题是定义不清-当真空间箱的数量大于涂抹空间箱。这些优点源于这样一个事实,即该算法在技术上不对任何矩阵求逆,并且仅使用数据分布作为选择最佳解决方案的指导。
2020-09-07 cs.LG hep-ex physics.data-an
Unfolding as Quantum Annealing
高能物理充满了困难的计算问题,这是量子计算可以用来加速计算的领域之一。我们提出了一种基于似然的正则化展开在量子计算机上的实现。反问题是重铸的二次无约束二进制优化(QUBO),它具有相同的形式的伊辛哈密顿量,因此它是可编程的量子退火。我们使用一个捕捉问题本质的模型测试了该方法,并将结果与欧洲核子研究中心大型强子对撞机(LHC)精密测量中常用的基线方法进行了比较。展开后的分布与原始分布非常一致。我们还展示了该方法可以扩展到包括滋扰参数的影响,代表系统的不确定性影响测量的来源。
2019-10-22 hep-ex physics.data-an quant-ph
Statistical unfolding of elementary particle spectra: Empirical Bayes estimation and bias-corrected uncertainty quantification
我们认为,高能物理展开的问题,其目标是估计基本粒子的观察扭曲的粒子探测器的有限分辨率的光谱。在欧洲核子研究中心的大型强子对撞机的数据分析中出现的这一重要的统计逆问题包括估计间接观察到的泊松点过程的强度函数。展开通常分两步进行:首先产生未知强度的正则化点估计,然后使用该估计的可变性来形成量化解的不确定性的频率论置信区间。在本文中,我们建议使用经验贝叶斯估计形成点估计,通过边际极大似然估计实现正则化强度的数据驱动选择。由于正则化点估计的固有偏差,贝叶斯可信区间和标准Bootstrap置信区间都不能很好地覆盖该问题,本文引入了一种迭代偏差校正Bootstrap技术来构造改进的置信区间.我们使用模拟表明,这使我们能够实现几乎标称频率覆盖,只有适度增加间隔长度。所提出的方法被应用到展开的$Z$玻色子不变的质谱在大型强子对撞机的CMS实验中测量。
2015-11-17 hep-ex physics.data-an stat.AP
Empirical Bayes unfolding of elementary particle spectra at the Large Hadron Collider
我们考虑所谓的展开问题,在实验高能物理,其中的目标是估计的真实光谱的基本粒子的观测扭曲的测量误差,由于有限的分辨率的粒子探测器。这是一个重要的统计逆问题,出现在欧洲核子研究中心的大型强子对撞机的数据分析。在数学上,该问题被形式化为一个间接观察到的泊松点过程的强度函数的估计。粒子物理学家特别热衷于展开方法,这些方法具有选择正则化强度的原则性方法,并允许量化解决方案中固有的不确定性。尽管实验物理学家已经考虑了许多方法,但可以说,这些方法中很少(如果有的话)以令人满意的方式处理这两个关键问题。在本文中,我们建议攻击的展开问题的框架内的经验贝叶斯估计:我们认为贝叶斯估计的系数的基础扩展的未知强度,使用正则化前,并采用蒙特卡罗期望最大化算法找到边际最大似然估计的超参数控制强度的正则化。由于超参数的数据驱动选择,使用经验贝叶斯后验得到的可信区间失去了它们的主观贝叶斯解释。由于这些间隔的性质和意义知之甚少,我们探索使用的bootstrap rescue构建纯粹的频率置信带的真实强度。所提出的方法的性能证明使用模拟和实际数据从大型强子对撞机。
2014-01-31 hep-ex physics.data-an stat.AP
Data Unfolding: From Problem Formulation to Result Assessment
University of Iceland(冰岛大学)
本文探讨了通过内部标准评估数据展开质量的方法,以及影响展开分布质量的因素。
2026-03-03 astro-ph.IM hep-ex nucl-ex
Uncertainty quantification for wide-bin unfolding: one-at-a-time strict bounds and prior-optimized confidence intervals
展开是粒子物理学中的一个不适定反问题,旨在从模糊的探测器级数据中推断出真实的粒子级谱。出于计算和实际原因,这些空间通常使用直方图离散化,并且通过对应于颗粒检测器的离散化拖尾核的响应矩阵对拖尾进行建模。这个响应矩阵取决于未知的形状的真实频谱,导致一个基本的系统的不确定性展开的问题。为了处理问题的不适定性质,常见的方法通过诸如吉洪诺夫正则化之类的方法直接正则化问题,或者通过在真实空间中使用匹配检测器分辨率的宽箱来隐式正则化问题。不幸的是,这两种方法导致非平凡的偏差展开估计,从而妨碍频率覆盖保证置信区间从这些方法构建。我们提出了两种新的方法来解决宽箱设置中的偏差,通过称为一次一个严格界限(OSB)和先验优化(PO)间隔的方法。OSB间隔是对现有的重叠覆盖过程的逐箱修改,而PO间隔是基于问题的决策理论观点。重要的是,这两种方法提供了良好的校准频率论置信区间,即使在约束和秩不足的设置。这些方法是建立在一个更一般的答案宽箱偏置问题,涉及展开与细箱第一,其次是构建置信区间的线性泛函的细箱计数。我们测试和比较这些方法与其他可用的方法在宽箱反卷积的例子和现实的粒子物理模拟展开急剧下降的粒子谱。
2022-04-10 physics.data-an stat.AP stat.ME
Convergence and error propagation results on a linear iterative unfolding method
展开问题通常出现在统计数据分析的背景下。当要测量物理量的概率分布时,会出现这样的问题,但是它被一些很好理解的过程随机化(模糊化),例如非理想的检测器响应或很好描述的物理现象。在这种情况下,可以说感兴趣的原始概率分布被已知的响应函数折叠。从测量的概率分布重建原始的概率分布称为展开。从技术上讲,这涉及到计算L^1函数空间上积分算子的无界逆,这是一个不适定问题。对于相关的正则化算子反演,我们提出了一个线性迭代公式,并在概率论的背景下提供收敛性证明。此外,我们提供了有限迭代停止阶的误差估计公式,这些公式在实际应用中至关重要:近似误差、传播的统计误差和传播的系统误差可以量化。这些论点是基于将原始L^1问题映射到L^2空间的Riesz-Thorin定理,以及随后普通L^2算子谱理论的应用。还提供了该算法的C语言库实现以及相应的错误传播。数值例子也说明了该方法的操作。
2016-12-08 math.ST physics.data-an stat.AP
A Linear Iterative Unfolding Method
在实验物理学中经常面临的一个任务是测量某个量的概率分布。通常,要测量的这个量被非理想的检测器响应或某些物理过程所模糊。从测量的分布中去除这种拖尾效应的过程称为展开,并且由于该任务的众所周知的数值病态行为,这是信号处理中的一个微妙问题。人们发明了各种方法,在初始概率分布上给出一些假设,试图使展开问题正规化。这些方法中的大多数肯定会在初始概率分布的估计中引入偏倚。我们提出了一种线性迭代法,它的优点是不需要对初始概率分布的假设,唯一的正则化参数是迭代的停止顺序,它可以用来选择引入的偏差和传播的统计和系统误差之间的最佳折衷。方法一致:在响应函数的一般条件下,证明了在没有测量误差的情况下,“逐箱”收敛到初始概率分布。这个条件适用于实际应用,如卷积,量热计响应函数,动量重建响应函数的基础上跟踪磁场等测量误差的存在下,明确的公式传播的三个重要的误差项:偏置误差,统计误差,和系统误差。这三个误差项之间的折衷可以用于定义最优迭代停止准则,并且可以在那里估计误差。我们提供了一个数值的C库的方法,其中包括自动统计误差传播以及实施。
2014-04-06 math.ST physics.data-an stat.AP
Statistical Analysis of Composite Spectra
我们考虑复合系综能级的最近邻间距分布。这些是通过组合独立的未折叠的序列的水平只包含几个级别。在这种数据的频谱分析中出现两个问题。一个问题在于将最近邻间距分布拟合到从数据获得的水平间距的直方图。我们证明了贝叶斯推断的方法优于这个过程。第二个问题发生在展开如此短的序列时。我们发现,展开过程一般导致高估的混沌参数。这种趋势是不存在的长期水平的相关性。因此,从一个系统与长程谱刚度水平的复合合奏产生可靠的信息系统的混沌行为。
2004-11-24 nucl-th physics.data-an