1 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

Голда Андрей

Москва

2022

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

2 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

3 of 9

Физическая часть

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

  • JLab - Thomas Jefferson National Accelerator Facility
  • CLAS12 – Детектор в JLab
  • Сечение реакции - вероятность взаимодействия �элементарных частиц
  • Анализ реакций - высокоточное сравнение теории с экспериментом
  • 𝒆− +𝒑 →𝒆− +𝒑+ 𝝅𝟎 →𝒆− +𝒑+𝟐𝜸
  • Работа производится в пространствах большой размерности

4 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

  • значительно сократить пространство для хранения этих данных,
  • обеспечить исследователей достаточным количеством данных в необходимых участках фазового пространства (в которых эксперимент дает недостаточную статистику),
  • объединить данные из различных экспериментов.
  • косвенно вычислять поправки на вносимые детектором возмущения

Задачи алгоритма

5 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

Нейронные сети,�датасет

𝒆− +𝒑 →𝒆− +𝒑+ 𝝅𝟎 →𝒆− +𝒑+𝟐𝜸

6 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

ЗСИ

1D Гистограммы

Метрики качества

7 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

2D Гистограммы

1D Гистограммы

Метрики качества

8 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

Гистограмма распределения расстояния до ближайшей точки

Метрики качества

2D Гистограммы

9 of 9

Нейронные сети в задаче генерации синтетических данных по исследованию физики элементарных частиц

  • Простая архитектура
  • Относительно высокая точность
  • Данные не требуют предобработки
  • Возможность масштабирования

Заключение