Unfolding in high energy physics represents the correction of measured spectra in data for the finite detector efficiency, acceptance, and resolution from the detector to particle level. Recent machine learning approaches provide unfolding on an event-by-event basis allowing to simultaneously unfold a large number of variables and thus to cover a wider region of the features that affect detector response. This study focuses on a simple comparison of commonly used methods in RooUnfold package to the machine learning package Omnifold.
Universität Heidelberg(海德堡大学);University of California, Irvine(加州大学欧文分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);University of California, Berkeley(加州大学伯克利分校);Sorbonne Université(索邦大学);Université Paris Cité(巴黎城市大学);CNRS/IN2P3(法国国家科学研究中心/核物理与粒子物理研究所);Interdisciplinary Center for Scientific Computing (IWR), Universität Heidelberg(海德堡大学跨学科科学计算中心)
Generative Unfolding of Jets and Their Substructure
Institute for Theoretical Physics, Universität Heidelberg(海德堡大学理论物理研究所);LPNHE, Sorbonne Université, Université Paris Cité, CNRS/IN2P3(巴黎综合理工学院、索邦大学、巴黎西岱大学、法国国家科学研究中心/法国国家粒子物理研究所);Department of Physics and Astronomy, University of California, Irvine(加州大学尔湾分校物理与天文学系);NHETC, Department of Physics & Astronomy, Rutgers University(罗格斯大学物理与天文学系);Interdisciplinary Center for Scientific Computing (IWR), Universität Heidelberg(海德堡大学跨学科科学计算中心);Institute for Particle Physics Phenomenology, Department of Physics, Durham University(达勒姆大学物理学院粒子物理现象学研究所)
Universität Heidelberg(海德堡大学);Sorbonne Université(索邦大学);Université Paris Cité(巴黎西岱大学);CNRS/IN2P3(法国国家科学研究中心/国家核物理与粒子物理研究所);Université catholique de Louvain(鲁汶天主教大学);SLAC National Accelerator Laboratory(SLAC国家加速器实验室)
CMS Collaboration(CMS合作组);University of Zurich(苏黎世大学);T2K Collaboration(T2K合作组);University of Colorado Boulder(科罗拉多大学博尔德分校);ATLAS Collaboration(ATLAS合作组);Carleton University(卡尔顿大学);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);LHCb Collaboration(LHCb合作组);University of Tennessee at Knoxville(田纳西大学诺克斯维尔分校);H1 Collaboration(H1合作组);National Energy Research Scientific Computing Center(国家能源研究科学计算中心);TRIUMF(特里厄姆夫实验室);Stanford University(斯坦福大学);SLAC National Accelerator Laboratory(SLAC国家加速器实验室)
Institut für Theoretische Physik, Universität Heidelberg(海德堡大学理论物理研究所);LPNHE, Sorbonne Université, Université Paris Cité, CNRS/IN2P3(巴黎Cité大学LPNHE);Physics Division, Lawrence Berkeley National Laboratory(伯克利国家实验室物理部);National Energy Research Scientific Computing Center, Berkeley Lab(伯克利实验室国家能源研究科学计算中心);Berkeley Institute for Data Science, University of California, Berkeley(加州大学伯克利分校数据科学研究所);Interdisciplinary Center for Scientific Computing (IWR), Universität Heidelberg(海德堡大学跨学科科学计算中心)
Improving Generative Model-based Unfolding with Schrödinger Bridges
Physics Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室物理部);Autonomous Control and Decision Systems Laboratory, Georgia Institute of Technology(佐治亚理工学院自主控制与决策系统实验室);National Energy Research Scientific Computing Center, Berkeley Lab(伯克利实验室国家能源研究科学计算中心);Berkeley Institute for Data Science, University of California, Berkeley(伯克利数据科学研究所);Machine Learning Research Group, NVIDIA Research(NVIDIA研究机器学习研究组)
Reweighting Adversarial Networks for Unbinned Unfolding
Stanford University(斯坦福大学);SLAC National Accelerator Laboratory(SLAC国家加速器实验室);University of California, Berkeley(加州大学伯克利分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);Massachusetts Institute of Technology(麻省理工学院);Institut des Hautes Études Scientifiques(高等科学研究所);CEA Paris-Saclay(巴黎萨克雷大学原子能委员会);Department of Physics, Stanford University(斯坦福大学物理系);Fundamental Physics Directorate, SLAC National Accelerator Laboratory(SLAC国家加速器实验室基础物理部);Department of Physics, University of California, Berkeley(加州大学伯克利分校物理系);Physics Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室物理部);Center for Theoretical Physics – a Leinweber Institute, Massachusetts Institute of Technology(麻省理工学院莱因韦伯理论物理中心);Institut de Physique Théorique, CEA Paris-Saclay(巴黎萨克雷大学原子能委员会理论物理研究所);Department of Particle Physics and Astrophysics, Stanford University(斯坦福大学粒子物理与天体物理学系)
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);University of California, Berkeley(加州大学伯克利分校);University of California, Riverside(加州大学河滨分校);Berkeley Institute for Data Science, University of California, Berkeley(加州大学伯克利分校伯克利数据科学研究所)