CaloFlow II: Even Faster and Still Accurate Generation of Calorimeter Showers with Normalizing Flows

要約

タイトル：CaloFlow II：正規化フローを使用したカロリメーターシャワーのより迅速で正確な生成

要約：
– CaloFlowは、正規化フローに基づくGEANT4カロリメーターシャワーエミュレーションの高度な生成モデルで、高い忠実度を備えている。
– CaloFlow v2は、さらに500倍高速化された初期フレームワークの改良版であり、技術的な改善は「確率密度蒸留」と呼ばれるものである。
– 強力な新しい損失項を導入することによって、CaloFlow v2の改良が進められた。
– 平均画像、高レベルの特徴のヒストグラムなどを使用した定量的な測定と、GEANT4および生成サンプル間の分類器メトリックを用いた定性的な測定によって、CaloFlow v2がオリジナルと同じ高い忠実度を保持していることが実証されている。
– 結果として、カロリメーターシャワーの生成モデルが、速度ではGEANT4の約10,000倍、忠実度では以前の最高の性能を大きく上回り、最先端に匹敵するものになっている。

要約(オリジナル)

Recently, we introduced CaloFlow, a high-fidelity generative model for GEANT4 calorimeter shower emulation based on normalizing flows. Here, we present CaloFlow v2, an improvement on our original framework that speeds up shower generation by a further factor of 500 relative to the original. The improvement is based on a technique called Probability Density Distillation, originally developed for speech synthesis in the ML literature, and which we develop further by introducing a set of powerful new loss terms. We demonstrate that CaloFlow v2 preserves the same high fidelity of the original using qualitative (average images, histograms of high level features) and quantitative (classifier metric between GEANT4 and generated samples) measures. The result is a generative model for calorimeter showers that matches the state-of-the-art in speed (a factor of $10^4$ faster than GEANT4) and greatly surpasses the previous state-of-the-art in fidelity.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI