SPADE: Split-and-Delay Embeddings for Autoregressive High-Granularity Calorimeter Simulation
Institute for Experimental Physics, Universität Hamburg（实验物理研究所，汉堡大学）；Deutsches Elektronen-Synchrotron DESY（德国电子同步辐射光源DESY）
提出SPADE自回归变压器，通过独立嵌入多特征令牌并延迟特征流，利用标准自注意力学习令牌内相关性，在ILD探测器点云簇射生成中优于现有模型。
2026-06-11 cs.LG hep-ex hep-ph
Electromagnetic calorimeter simulation for future $μ\to e$ conversion experiments
我们检查了三个密集的高Z结晶的$μ\to e$转换实验使用GEANT 4模拟工具包。研究了所有晶体组件的全能量沉积、纵向和横向能量泄漏。研究了晶体厚度对量热计中能量沉积的影响。
2012-12-18 hep-ex physics.ins-det
CaloScore v2: Single-shot Calorimeter Shower Simulation with Diffusion Models
National Energy Research Scientific Computing Center, Berkeley Lab（国家能源研究科学计算中心，伯克利实验室）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；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）
本文改进了CaloScore架构，通过优化扩散过程和渐进蒸馏技术，实现单次函数评估生成高质量样本，适用于真实环境下的快速模拟需求。
2023-08-07 hep-ex hep-ph physics.ins-det
Refining Fast Calorimeter Simulations with a Schrödinger Bridge
本文提出SQuIRELS方法，利用薛定谔桥和扩散网络改进快速量热仪模拟，以极短时间重现完整模拟的非平凡特征。
2025-03-26 hep-ex hep-ph physics.ins-det
Precise simulation of electromagnetic calorimeter showers using a Wasserstein Generative Adversarial Network
量热计中粒子簇射的模拟在计算上是耗时的，因为它们必须再现能量沉积及其相当大的波动。超快模拟的一种新方法是生成模型，其中所有量热计能量沉积都是同时生成的。我们使用GEANT4模拟的电子束撞击在多层电磁量能器的对抗训练的生成器网络和批评网络的引导下的Wasserstein距离。发生器在训练期间受到约束，使得所生成的簇射显示出对初始能量和撞击位置的预期依赖性。它产生现实的热量计能量沉积，波动和相关性，我们证明在典型的热量计观测分布。在大多数情况下，我们观察到生成的热量计阵雨达到与GEANT4程序模拟阵雨的水平。
2020-02-04 hep-ex physics.ins-det
CaloDVAE : Discrete Variational Autoencoders for Fast Calorimeter Shower Simulation
TRIUMF（加拿大粒子加速器中心）；Simon Fraser University（西蒙菲莎大学）
在大型强子对撞机（LHC）的实验数据分析中，量热计模拟是蒙特卡罗产生样本的计算成本最高的部分。LHC的高亮度升级将需要更大量的此类样本。提出了一种基于离散变分自编码器（DVAE）的电磁量热计粒子簇射模拟技术。我们将讨论这项工作如何为探索量子退火处理器作为模拟高能物理数据集生成的采样设备铺平道路。
2022-10-14 cs.LG hep-ex physics.ins-det
Simulation study of energy resolution, position resolution and $π^0$-$γ$ separation of a sampling electromagnetic calorimeter at high energies
本文用多变量方法模拟研究了取样量热计的能量分辨、位置分辨和$π^0$ - $γ$分离。作为一个现实的例子，量热计的几何形状取自Shashlik量热计的设计几何形状，Shashlik量热计被认为是LHC运行第二阶段CMS端盖的候选者。本文提出的方法可以很容易地适用于各种几何布局的采样量热计。能量分辨率的Shashlik探测器的不同布局和不同的闪烁体闪烁体组合进行了研究。结果表明，使用细粒度的信息的量热器的提升决策树可以执行三倍优于基于切割的方法分离的$π^0$从$γ$在20 GeV-200 GeV的大能量范围。
2017-06-21 hep-ex physics.ins-det
A universal vision transformer for fast calorimeter simulations
Centre for Cosmology, Particle Physics（宇宙学、粒子物理与现象学研究中心）；Marietta Blau Institute for Particle Physics (MBI Vienna), Austrian Academy of Sciences (ÖAW), Austria（玛丽埃塔·布劳粒子物理研究所（MBI维也纳），奥地利科学院（ÖAW），奥地利）
本研究基于CaloDREAM架构，提出使用视觉变换器（ViT）进行快速量热器模拟，在规则和不规则几何结构及多个探测器上均表现出高精度和可扩展性，生成时间在单GPU上为10-100毫秒，并通过预训练和微调降低了训练成本并提高了数据效率。
2026-05-25 cs.LG hep-ex hep-ph
Point-cloud generative models for fast calorimeter simulation across particles and geometries
CERN（欧洲核子研究中心）
本文综述了点云生成模型在快速量热仪模拟中的进展，提出CaloClouds3、CaloHadronic和AllShowers等模型，分别实现光子、强子及十二种粒子的高效模拟，并引入跨几何迁移学习以大幅减少训练数据需求。
2026-09-28 hep-ex hep-ph physics.ins-det
Calorimeter shower superresolution
Rutgers University（罗格斯大学）；Université de Genève（日内瓦大学）
针对大型强子对撞机量能器簇射模拟的计算瓶颈，提出基于流的超分辨率模型SuperCalo，可从粗粒度簇射快速生成高保真细粒度簇射，有效降低计算成本与生成时间。
2024-05-15 cs.LG hep-ex hep-ph
Generalizing to new geometries with Geometry-Aware Autoregressive Models (GAAMs) for fast calorimeter simulation
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）
本文提出几何感知自回归模型（GAAMs），无需额外训练即可推广至新几何结构，用于快速量热器模拟，性能优于基线模型超50%，有望取代数百个专用模型。
2023-11-14 cs.LG hep-ex hep-ph
A relation between track length and deposited energy in a homogeneous calorimeter by Geant4 simulation at high energy
我们对大型均匀量能器中电子和强子产生的簇射进行了Geant 4模拟研究。我们发现能量沉积可以表示为径迹长度的线性函数。这条线不通过原点，并且在截距处的能量沉积与入射能量成正比。此外，对于电子和强子，线的斜率与入射能量无关。量热计的能量分辨率可以用相关线周围的分布来表示，我们发现，对于π介子，相关线在$ 19\% / \sqrt{E(\rm{GeV})}$附近非常好。
2020-10-15 hep-ex physics.ins-det
CaloMan: Fast generation of calorimeter showers with density estimation on learned manifolds
Layer 6 AI；University of Genoa（热那亚大学）；INFN（意大利国家核物理研究所）
大型强子对撞机的精确测量和新物理研究需要对探测器内的粒子传播和相互作用进行有效的模拟。计算成本最高的模拟涉及量热计簇射。深度生成建模的进步--特别是在高维数据领域--开辟了比基于物理的模拟更快地生成逼真的量热计簇射的可能性。然而，簇射的高维表示掩盖了基本物理定律的相对简单性和结构。这种现象是机器学习中流形假设的另一个例子，该假设指出高维数据支持低维流形。因此，我们建议首先通过学习它们的流形结构来建模量热计簇，然后估计该流形上的数据密度。学习流形结构降低了数据的维度，与竞争方法相比，这可以实现快速训练和生成。
2022-11-23 cs.LG hep-ex hep-ph
Getting High: High Fidelity Simulation of High Granularity Calorimeters with High Speed
物理过程的精确模拟对于现代粒子物理学的成功至关重要。然而，用量热计探测器模拟粒子簇射的发展和相互作用是一个耗时的过程，并推动了大型强子对撞机和未来对撞机大型实验的计算需求。最近，基于深度神经网络的生成式机器学习模型已经显示出将这一任务加速几个数量级的希望。我们调查使用一种新的架构-有界信息瓶颈自动编码器-模拟电磁簇射在拟议的国际大型探测器的硅钨量能器的中心区域。结合一个新的第二后处理网络，这种方法实现了一个精确的模拟微分分布，包括第一次的最小电离粒子峰的形状相比，一个完整的GEANT 4模拟的高粒度量热计与27 k模拟通道。通过与已建立的体系结构进行比较，验证了结果。我们的研究结果进一步加强了使用生成网络进行快速模拟的情况，并证明了物理相关的差分分布可以高精度地描述。
2021-02-03 hep-ex hep-ph physics.data-an
Performance of the CDF Calorimeter Simulation in Tevatron Run II
CDF实验在运行II中成功地收集了Tevatron的ppbar碰撞数据。由于数据样本越来越大，系统的不确定性，由于使用量热计模拟评估的射流能量尺度的测量变得越来越重要。在多年的运作中，该合作获得了GFLASH的经验，GFLASH是用于量热计模拟的电磁和强子簇射的快速参数化。我们提出的性能的量热计模拟和报告最近的改进的基础上，一个完善的原位调整技术。中心量热计响应的再现精度为1 - 2%。
2006-08-07 hep-ex physics.data-an physics.ins-det
Detailed studies of hadronic showers and comparison to GEANT4 simulations with data from highly granular calorimeters
CALICE合作的高度颗粒量热计原型提供了大量的数据样本，具有关于强子簇射的精确三维信息，包括钢和钨吸收体以及硅、闪烁体和气体检测器读数。从这些数据集，详细测量的空间结构，包括纵向和横向的淋浴配置文件和淋浴子结构和时间结构提取。最近的分析已经将这些研究扩展到具有闪烁体读出和钢和钨吸收体的量热计中的不同粒子种类，到硅钨量热计中的低于10 GeV的能量，并且提供了具有气体读出和在全立方米上$1\times1$ ~cm $^{2}$的前所未有的粒度的簇射子结构的第一研究。这些结果与不同强子物理模型下的Geant 4模拟结果进行了比较。它们对模拟代码提出了新的挑战，并为验证和改进高能物理探测器中强子相互作用的模拟提供了可能性。
2015-10-14 hep-ex physics.ins-det
CaloShowerGAN, a Generative Adversarial Networks model for fast calorimeter shower simulation
本文提出基于生成对抗网络的 CaloShowerGAN 模型，利用快速量能器模拟挑战赛数据集验证其对光子和π介子簇射的模拟效果，并有望显著提升 ATLAS 快速模拟性能。
2024-08-09 hep-ex physics.ins-det
CaloClouds II: Ultra-Fast Geometry-Independent Highly-Granular Calorimeter Simulation
Center for Data and Computing in Natural Sciences CDCS, Deutsches Elektronen-Synchrotron DESY（自然科学数据与计算中心 CDCS，德国电子同步加速器 DESY）
本文提出CaloClouds II，通过连续时间分数建模和一致性蒸馏，在保持几何无关点云生成能力的同时，实现比Geant4最高46倍的量能器模拟加速。
2024-02-26 cs.LG hep-ex hep-ph
Inductive Simulation of Calorimeter Showers with Normalizing Flows
Rutgers University（罗格斯大学）；Universität Heidelberg（海德堡大学）
本文提出iCaloFlow框架，通过归纳式归一化流与师生蒸馏技术，解决高分辨率探测器模拟的内存瓶颈，在精细度高10至100倍的几何结构上实现快速高保真模拟。
2024-02-13 cs.LG hep-ex hep-ph
The Parameterized Simulation of Electromagnetic Showers in Homogeneous and Sampling Calorimeters
本文介绍了一种利用均匀量热计和取样量热计中纵向和径向分布的参数化来快速模拟电磁簇射的一般方法。簇射发展对所用材料和取样几何形状的依赖性被明确考虑在内。与各种量热计的详细模拟和H1实验的液氩量热计的数据进行了比较。
2000-01-10 hep-ex
Simulation Study of the Beam Calorimeter in the GLD Configuration for the Next Generation Linear Collider
位于下一代电子-正电子直线加速器正前区和负后区的束量能器将是寻找或鉴别标准模型以外新粒子的重要装置。其设计的关键问题之一是估计由于束流相关背景的辐射剂量。在这项研究中，我们使用了基于geant的包，木星，建议GLD探测器。最内环每年接受的剂量约为10 Mrad。本文提出了一种在标称本底条件下用束量能器进行电子识别的算法，并将该算法用于探测晕子的可行性研究。结果令人满意。
2008-11-13 hep-ex physics.ins-det
CaloGraph: Graph-based diffusion model for fast shower generation in calorimeters with irregular geometry
针对高能物理实验中探测器模拟的计算挑战，本研究提出新型基于图的扩散模型CaloGraph，用于不规则几何低颗粒度探测器的快速量能器模拟，并在ATLAS数据集上实现粒子物理领域首次应用。
2024-02-18 hep-ex hep-ph
Inverse Autoregressive Flows for Zero Degree Calorimeter fast simulation
AGH University of Krakow（克拉科夫AGH大学）
本文提出逆自回归流方法，通过引入新的损失函数和缩放机制，提升ZDC模拟的准确性和速度，比现有方法快421倍。
2026-08-13 cs.LG hep-ex physics.ins-det
CaloFlow: Fast and Accurate Generation of Calorimeter Showers with Normalizing Flows
Rutgers University（罗格斯大学）
本文提出基于归一化流的快速探测器模拟框架CaloFlow，首次证明其能以高保真度生成多通道量能器簇射，并在分类器判别指标上优于GAN，同时具备可计算似然、稳定训练和双射映射等优势。
2023-05-05 cs.LG hep-ex hep-ph
CaloPointFlow II Generating Calorimeter Showers as Point Clouds
本文提出CaloPointFlow II，通过CDF-Dequantization和DeepSet-Flow改进点云生成，在CaloChallenge数据集II和III上评估，加速量热器簇射模拟。
2024-05-27 hep-ex physics.ins-det
AllShowers: One model for all calorimeter showers
Institut für Experimentalphysik, Universität Hamburg（实验物理研究所，汉堡大学）；Deutsches Elektronen-Synchrotron DESY（德国电子同步辐射实验室DESY）
AllShowers是一种统一的生成模型，能够高效模拟多种粒子类型的calorimeter shower，提升碰撞实验中探测器模拟的保真度和效率。
2026-09-16 cs.LG hep-ex hep-ph
On the resolution of dual readout calorimeters
本文提出并验证了一个用于双读出量能器分辨率的简单公式，揭示了双读出校正不仅能补偿结合能损失，还能补偿逃逸能量，帮助理解其优势与局限。
2025-01-29 hep-ex physics.ins-det
Studies on the Electron Reconstruction Efficiency for the Beam Calorimeter of an ILC Detector
在这次演讲中，介绍了最近的模拟结果的单个高能电子重建与束量热计的ILD探测器。用豚鼠产生电子对本底，用GEANT 4模拟量热计中的电子簇。提出了一种在大e+e-背景上进行sHEe重建的算法. sHEe重建的效率估计为标称和SB-2009 ILC光束参数。
2010-06-17 hep-ex physics.ins-det
New Angles on Fast Calorimeter Shower Simulation
本研究扩展了用于高粒度量能器粒子簇射模拟的 BIB-AE 架构，实现了多参数条件化并验证了其在基于粒子流的重建后仍保持高物理性能，为开发更通用的模拟工具迈出重要一步。
2023-03-31 hep-ex hep-ph physics.data-an
ParaFlow: fast calorimeter simulations parameterized in upstream material configurations
本文提出ParaFlow，将归一化流快速量热器模拟参数化于探测器上游材料配置，通过Geant4训练插值不同材料预算与位置，验证其能以百分之几精度重现光子簇射形状对材料性质的依赖。
2025-08-27 hep-ex physics.ins-det
Denoising diffusion models with geometry adaptation for high fidelity calorimeter simulation
针对高亮度LHC时代计算预算受限的问题，提出带GLaM层的3D柱面卷积扩散模型CaloDiffusion，可生成与全模拟几乎无差的量能器簇射。
2023-10-02 hep-ex hep-ph physics.data-an
A simulation study to distinguish prompt photon from $π^0$ and beam halo in a granular calorimeter using deep networks
Saha Institute of Nuclear Physics, HBNI（HBNI萨哈核物理研究所）；Indian Institute of Science Education and Research Kolkata（加尔各答印度科学教育与研究学院）；Carnegie Mellon University（卡内基梅隆大学）
在强子对撞机环境中，识别出硬部分子散射过程中的瞬发光子，并剔除来自强子喷流或束流相关源的非瞬发光子，是研究末态光子过程的第一步。强子喷注中产生的$π_0$衰变产生的光子和束晕μ子在灾变韧致辐射中产生的光子是非瞬发光子的两个主要来源。在本文中，深度学习方法的潜力，用于分离提示光子从束晕和$π^0$的对撞机探测器的电磁量能器中的束晕和$π^0$的研究，使用CMS探测器的近似描述。结果表明，仅利用量热信息作为图像，利用卷积神经网络，可以将束晕（和$π^{0}$）与光子分离，背景抑制率为99.96%（97.7%），信号效率为99.00%（90.0%），这比传统的使用变量要好得多。
2018-12-22 cs.LG hep-ex physics.ins-det
Calomplification -- The Power of Generative Calorimeter Models
由于经典模拟的高计算成本，机器学习生成模型在粒子物理学和其他领域非常有用。当代理模型可以有效地学习底层分布时，它们变得特别有吸引力，使得生成的样本优于有限大小的训练样本。对于简单的高斯模型，已经观察到这种GANplification。我们显示了相同的效果的物理模拟，特别是在电磁量能器的光子簇射。
2023-01-25 hep-ex hep-ph
Fine-tuned Normalizing Flows for ALICE Zero Degree Calorimeter Fast Simulation
AGH University of Krakow（克拉科夫AGH大学）；The Henryk Niewodniczański Institute of Nuclear Physics, Polish Academy of Sciences（波兰科学院亨利克·涅沃德尼昌斯基核物理研究所）
针对LHC上ALICE零度数量计模拟成本高的问题，提出结合归一化流、条件微调及物理驱动评估的框架，引入精细指标，其模型集成体在Wasserstein距离上优于基线。
2026-08-14 cs.LG hep-ex physics.ins-det
Exploring the structure of hadronic showers and the hadronic energy reconstruction with highly granular calorimeters
电磁和强子成像量热仪的原型开发和操作的CALICE合作提供了一个前所未有的财富的强子簇射的各种有源传感器元件和不同的吸收材料的高粒度数据。在本报告中，我们讨论了强子簇射的空间和时间结构的详细测量，以确定强子级联的不同阶段的量热计，然后面对基于GEANT 4的模拟使用不同的强子物理模型。这些研究还延伸到两种不同的吸收材料，钢和钨，在原型中使用。利用软件补偿和半数字能量重建，在单个探测器和组合的电磁和强子系统中，探测器的高粒度被利用在强子能量的重建中。结果包括新的模拟研究，预测颗粒量热计的可靠运行。此外，我们还展示了粒度和多元分析算法的应用如何实现附近颗粒的分离。我们将报告这些重建技术的性能不同的电磁和强子量热计，硅，闪烁体和气体活性元素。颗粒量热仪也是机器学习技术应用的理想试验场。我们将概述如何将这些技术应用于CALICE数据和CALICE模拟框架。
2022-09-20 hep-ex physics.ins-det
CaloClouds: Fast Geometry-Independent Highly-Granular Calorimeter Simulation
Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；Deutsches Elektronen-Synchrotron DESY（德国电子同步加速器中心）
本文首次提出用扩散模型直接生成与几何无关的高颗粒度量能器三维点云，将光子簇射模拟从固定网格中解放出来，并在ILD电磁量能器上验证了物理分布的建模效果。
2024-02-26 cs.LG hep-ex hep-ph
Controlling Physical Attributes in GAN-Accelerated Simulation of Electromagnetic Calorimeters
Vai Technologies（Vai科技公司）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；Yale University（耶鲁大学）
亚原子粒子相互作用的高精度建模对于物理科学中的许多领域至关重要，例如核物理和高能粒子物理。科学中的大多数模拟管道都是计算密集型的-在各种科学领域，生成对抗网络被建议作为加速模拟的前向部分的解决方案，并取得了可喜的成果。任何科学模拟系统的一个重要组成部分是能够对任何数量的物理上有意义的潜在特征，可以影响向前生成过程的条件。我们引入了一个辅助任务来训练生成对抗网络对多层电磁量热计中的粒子簇射，这使得我们的模型能够学习属性感知的条件反射机制。
2017-11-23 cs.LG hep-ex physics.data-an
CaloGAN: Simulating 3D High Energy Particle Showers in Multi-Layer Electromagnetic Calorimeters with Generative Adversarial Networks
Yale University（耶鲁大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
亚原子粒子相互作用和通过物质传播的精确建模对于核和粒子物理研究和精确测量的进步至关重要。在大型强子对撞机（LHC）的典型实验的模拟管道中，计算成本最高的步骤是对控制量热计内粒子簇射运动和演化的物理过程的全部复杂性进行详细建模。我们介绍了\textsc{CaloGAN}，一种新的快速仿真技术的基础上生成的对抗网络（GANs）。我们将这些神经网络的电磁簇射在纵向分段量热计的建模，并实现加速因子可比或优于现有的CPU（$100\times$ - $1000\times$），甚至更快的GPU（高达$\sim10^5\times$）上的完整模拟技术。在整个相空间中实现精度仍然存在挑战，但我们的解决方案可以再现光子，正电子和带电π介子的各种几何簇射形状特性。这是迈向基于神经网络的完整检测器模拟的重要垫脚石，可以节省大量的计算时间，并在现在和未来实现许多分析。
2017-12-21 cs.LG hep-ex hep-ph
Interdisciplinary Digital Twin Engine InterTwin for calorimeter simulation
CNRS, IJCLab（法国国家科学研究中心，IJCLab）
InterTwin项目利用CaloINN生成模型优化calorimeter模拟，通过后处理改进分布尾部精度，提升计算效率与模拟质量。
2026-01-23 hep-ex
Design and Performance Simulation of the Electromagnetic Calorimeter at EicC
Institute of Modern Physics, Chinese Academy of Sciences（中国科学院近代物理研究所）；School of Nuclear Science and Technology, University of Chinese Academy of Sciences（中国科学院大学核科学与技术学院）
本文介绍了EicC电磁量能器的设计与性能仿真，通过Geant4模拟优化了各部分几何和材料组成，实现了高能量和位置分辨率及强电子-缪子鉴别能力。
2026-03-20 hep-ex physics.ins-det
Validation of Deep Convolutional Generative Adversarial Networks for High Energy Physics Calorimeter Simulations
在粒子物理学中，模拟粒子通过探测器的传输需要大量的计算资源，利用了CERN全球大型强子对撞机网格的50%以上的资源。这一挑战促使人们研究不同的、更快的方法来取代标准的蒙特卡罗模拟。深度学习生成对抗网络是最有前途的替代方案之一。以前的研究表明，他们达到了必要的精度水平，同时减少了模拟时间的数量级。在本文中，我们提出了一种新开发的神经网络架构，该架构采用2D卷积层再现了三维问题，并将其性能与由3D卷积层组成的早期架构进行了比较。性能评估依赖于直接比较蒙特卡罗模拟，在不同的物理量通常用于量化检测器的响应。我们证明了我们的新神经网络架构相对于3D卷积GAN达到了更高的精度水平，同时减少了必要的计算资源。热量计是模拟时间最昂贵的探测器之一。因此，我们把我们的研究集中在一个电磁量能器的原型与规则的高度颗粒状的几何形状，作为未来量能器的一个例子。
2021-03-25 hep-ex
Measurement of the response function of the PIENU calorimeter
本研究利用70 MeV/c单色正电子束测量不同入射角下PIENU NaI(Tℓ)/CsI量能器的响应函数，并通过Geant4模拟验证其适用于π介子衰变的精确测量。
2024-10-27 hep-ex physics.ins-det
GAN with an Auxiliary Regressor for the Fast Simulation of the Electromagnetic Calorimeter Response
高能物理实验基本上依赖于模拟数据进行物理分析。然而，运行详细的仿真模型需要大量的计算资源。因此，需要新的方法来加速检测器模拟。热量计响应的产生通常是HEP实验模拟链中最昂贵的组成部分。研究表明，深度学习技术，特别是生成对抗网络，可以用来重现热量计的响应。然而，这些应用具有挑战性，因为生成的响应不仅需要在图像一致性方面进行评估：还应考虑不同的基于物理的质量指标。在我们的工作中，我们开发了一个基于多任务GAN的框架，目标是加快LHC LHCb探测器电磁量热计（ECAL）的响应生成。我们引入辅助回归作为第二个任务，以评估由GAN的鉴别器使用的给定输入的代理度量。我们表明，这种方法提高了GAN的稳定性和模型产生更好的物理分布的样本。
2022-07-13 hep-ex physics.data-an
A First Full Physics Benchmark for Highly Granular Calorimeter Surrogates
CERN（欧洲核子研究中心）
本文提出DDML库，用于高粒度calorimeter模拟的生成模型比较，通过多粒子和tau轻子衰变基准验证点云方法在速度与精度上的优势。
2025-11-21 cs.LG hep-ex physics.data-an
Simulation of muon-induced neutral particle background for a shallow depth Iron Calorimeter detector
印度中微子天文台（INO）的Iron Calorimeter（ICAL）探测器计划安装在一个岩石覆盖层超过1公里的地下洞穴中。相对于海平面，这种覆盖层使宇宙μ子通量减少了10倍$^{6}$。在本文中，我们研究的可能性，100米的浅深度ICAL（SICAL）探测器。宇宙μ子必须在ICAL周围的否决探测器中以99.99%的效率被探测到，以便通过否决探测器泄漏的μ子背景与在1公里深的地下站点相同。然而，一个额外的背景来自宇宙μ子与岩石的相互作用。由于在这种相互作用中产生的中性粒子可以在没有任何相互作用的情况下通过否决探测器，它们可能会模拟ICAL中的中微子事件。在本文中，基于GEANT 4的模拟研究，以估计由于μ子与岩石SICAL诱导的相互作用的背景信号的结果。
2019-03-09 hep-ex physics.ins-det
CaloQVAE : Simulating high-energy particle-calorimeter interactions using hybrid quantum-classical generative models
Perimeter Institute for Theoretical Physics（理论物理圆周研究所）；Faculty of Mathematics, University of Waterloo（滑铁卢大学数学学院）；Department of Physics and Astronomy, University of British Columbia（不列颠哥伦比亚大学物理与天文学系）；TRIUMF（TRIUMF（加拿大国家粒子加速器中心））；Department of Physics, Simon Fraser University（西蒙菲莎大学物理系）
针对大型强子对撞机高亮度时代蒙特卡洛模拟的计算挑战，提出结合生成模型与量子退火的混合量子-经典方法，实现高能粒子-量能器相互作用的快速高效模拟。
2024-10-11 cs.LG hep-ex quant-ph
Extraction Method of Fine Granular Performance from Scintillator Strip Electromagnetic Calorimeter
我们描述了一种算法，它已被开发用于提取细粒度的信息，从电磁量能器与基于条带的读出。这样的量热计，闪烁体条的基础上，正在开发中的粒子流重建应用于未来的高能物理实验。在全探测器模拟中，使用45 x 5 mm^2的条带对该算法进行测试，结果表明，其性能接近于真正的5 x 5 mm^2读出粒度的量热计。通过使用散布在条带层之间的10 x 10 mm^2瓦形层，可以进一步提高性能。
2014-05-25 hep-ex physics.ins-det
Development of electromagnetic calorimeter detectors and simulations for spectroscopic measurements of charmonium with PANDA
本论文的主题是用PANDA方法研究粲偶素的电磁跃迁。最近在E760和E835费米实验室观测到的粲偶素$h_c$态的可能记录被用来演示PANDA探测器的物理性能。从辐射跃迁测量$γ$ -射线的角分布可用于验证其$J^{PC}$量子数。从信号配准和背景抑制的角度来看，PANDA探测器的电磁量热计是这项研究的关键组成部分。
2010-03-16 hep-ex nucl-ex
Accelerating Science with Generative Adversarial Networks: An Application to 3D Particle Showers in Multi-Layer Calorimeters
大型强子对撞机（LHC）的物理学家依赖于粒子碰撞的详细模拟，以建立在不同理论建模假设下实验数据可能看起来像什么的预期。开发分析技术需要PB级的模拟数据，尽管使用现有算法和计算资源生成这些数据的成本很高。探测器的建模和粒子级联的精确描述，因为它们与量热计中的材料相互作用是模拟管道中计算要求最高的步骤。因此，我们引入了一个基于深度神经网络的生成模型，以实现高保真、快速的电磁量热计模拟。在整个相空间中实现精度仍然存在挑战，但我们目前的解决方案可以再现各种粒子簇射特性，同时实现高达100，000 $\times$的加速因子。这为快速模拟的新时代打开了大门，可以节省大量的计算时间和磁盘空间，同时扩展LHC及其他地方的物理搜索和精确测量的范围。
2017-12-21 hep-ex hep-ph stat.ML
CsI(Tl) Pulse Shape Discrimination with the Belle II Electromagnetic Calorimeter as a Novel Method to Improve Particle Identification at Electron-Positron Colliders
本文介绍了在Belle II电磁量能器上实现CsI（Tl）脉冲形状鉴别的方法和性能，这是CsI（Tl）脉冲形状鉴别在正负电子对撞机粒子鉴别中的首次应用。描述了Belle II量热计应用的脉冲形状表征算法。$γ$、$μ^+$、$π^\pm$、$K^\pm$和$p/\bar{p}$的对照样品用于证明CsI（Tl）脉冲形状鉴别提供的对量热计簇的次级粒子组成的显著洞察。与模拟的比较，并提供新开发的碘化铯（铊）闪烁响应模拟技术，它与GEANT4模拟时，允许粒子依赖的碘化铯（铊）的闪烁响应进行建模的进一步验证。数据和模拟之间的比较也表明，脉冲形状歧视可以是一个新的工具，以确定改进的来源，在模拟材料中的强子相互作用。的$K_L^0$效率和光子作为强子假率的多变量分类器，训练使用脉冲形状歧视和比较的一个基于形状的方法。CsI（Tl）的脉冲形状歧视示出减少光子作为强子假率超过3倍，在光子能量为0.2 GeV和超过10倍，在光子能量为1 GeV。
2020-09-05 hep-ex physics.ins-det
Experimental and simulation study of irradiated silicon pad detectors for the CMS High Granularity Calorimeter
预计LHC将升级到高亮度阶段（HL-LHC），这将最大限度地发挥该设施的物理潜力。此次升级预计将使瞬时光度提高5倍，并在运行10年后提供3000 fb-1的积分亮度。由于辐射和堆积的相应增加，CMS端盖中的电磁量热仪将维持1.5 MGy的最大积分剂量和1 e16 neq/cm 2以上的中子注量，因此需要更换它们以进行HL-LHC操作。CMS合作决定用高粒度量热计（HGCAL）取代现有的端盖电磁和强子量热计，这将提供有关HL-LHC非常高堆积中电磁和强子簇射的前所未有的信息。为了在HGCAL中使用Si探测器并应对强辐射环境带来的挑战，已经启动了一项广泛的研发计划，包括生产各种类型，尺寸和厚度的原型传感器，在辐照之前和之后对其进行鉴定以达到预期水平，以及伴随的模拟研究。这里提出的正在进行的调查包括测量电流-电压和电容-电压特性，以及预测的电荷收集效率的传感器照射到预期的水平HGCAL在HL-LHC。的研究和中子辐照的Si探测器的性能的第一个结果，以及它们的比较与数值模拟的状态，被提出。
2017-11-14 hep-ex physics.ins-det
CaloFlow for CaloChallenge Dataset 1
Rutgers University（罗格斯大学）；Universität Heidelberg（海德堡大学）
本研究提出基于归一化流的快速量能器模拟方法CaloFlow，在2022年快速量能器模拟挑战赛数据集1上验证其生成样本保真度高且采样速度比Geant4快数个数量级。
2024-05-15 cs.LG hep-ex hep-ph
Fast Simulation of a High Granularity Calorimeter by Generative Adversarial Networks
我们提出的3DGAN模拟未来的高粒度量热计输出的三维图像。我们证明了生成对抗网络（GANs）在生成科学数据方面的有效性，同时在大范围输入变量的不同指标上保持了高水平的准确性。我们展示了迁移学习概念的成功应用：我们训练网络来模拟来自初级能量的减小范围的电子簇射，然后我们进一步训练五倍大的范围（模型不能直接训练更大的范围）。同样的概念被扩展到其他粒子（光子和中性π介子）的簇射，这些粒子将它们的大部分能量沉积在电磁相互作用中。此外，还探讨了带电π介子簇射的产生，更准确的努力将需要来自未包括在当前工作范围内的其他探测器的额外数据。我们的进一步贡献是将GAN生成的数据用于实际应用的演示。我们使用GAN生成的数据训练第三方网络，并证明响应类似于使用蒙特卡罗模拟数据训练的网络。由GAN产生的簇射对于不同范围的物理特征在蒙特卡洛的$10\%$内呈现准确性，具有三个数量级的加速。通过分布式训练，可以进一步提高训练和推理的加速。
2021-09-09 hep-ex physics.ins-det
Transferable Fast Calorimeter Shower Generation via Multi-Geometry Pre-training
CERN（欧洲核子研究组织）；RWTH Aachen University（亚琛工业大学）
本研究提出通过多几何预训练，引入SimpleBox合成箱式量能器集合，实现可迁移的量能器簇射生成器，经微调后在未见过的量能器上表现优于真实探测器预训练模型，降低模拟成本。
2026-10-30 hep-ex hep-ph physics.ins-det
