摘要
提出了一种用于高强度束流实验的端到端的生成对抗网络(GAN)生成束流数据.结果显示,本课题提出的方法可以较好地复现高维变量及其关联关系,并且明显降低数据产生时间.目前GAN用于高强度前沿极高灵敏度实验,仍处于探索阶段,本课题模拟结果可为进一步探索GAN在粒子物理实验模拟中的应用提供研究基础.
An end-to-end generative adversarial network(GAN)for the beam simulation resampling of high intensity beam experiment to generate beam data is introduced.The distribution and the relationship of high dimensional variables are reproduced with the significantly improvement of the generation time.This represents a promising method that could enable many applications with GAN in thesimulation problem of particle physics experiments.
作者
崔佳彬
于小亿
张瑶
袁野
邢天宇
CUI Jia-bin;YU Xiao-yi;ZHANG Yao;YUAN Ye;XING Tian-yu(Zhengzhou University,Zhengzhou 450001,China;Institute of High Energy Physics Chinese Academy of Sciences,Beijing 100049,China;University of Chinese Academy of Sciences,Beijing 100049,China)
出处
《核电子学与探测技术》
CAS
北大核心
2022年第1期35-40,共6页
Nuclear Electronics & Detection Technology
基金
中国科学院国际伙伴计划(113111KYSB20190035)
国家自然科学基金(11911530090)资助。
作者简介
崔佳彬(1996-),男,河南新乡人,在读硕士生,攻读方向为计算机机器学习技术研究;通讯作者:张瑶,女,副研究员,E-mail:zhangyao@ihep.ac.cn。
