Comparison of Point Cloud and Image-based Models for Calorimeter Fast Simulation

要約

スコアベースの生成モデルは、高次元の熱量計データセットを正確に生成することが証明されている新しいクラスの生成モデルです。
生成モデルの最近の進歩では、3D ボクセルを含む画像を使用して、複雑な熱量計シャワーを表現およびモデル化しています。
ただし、特に粒度の高い熱量計では、点群の方が熱量計シャワーのより自然な表現となる可能性があります。
点群は元のシミュレーションのすべての情報を保持し、疎なデータセットをより自然に処理し、よりコンパクトなモデルとデータ ファイルで実装できます。
この研究では、2 つの最先端のスコアベースのモデルが同じセットの熱量計シミュレーションでトレーニングされ、直接比較されます。

要約(オリジナル)

Score based generative models are a new class of generative models that have been shown to accurately generate high dimensional calorimeter datasets. Recent advances in generative models have used images with 3D voxels to represent and model complex calorimeter showers. Point clouds, however, are likely a more natural representation of calorimeter showers, particularly in calorimeters with high granularity. Point clouds preserve all of the information of the original simulation, more naturally deal with sparse datasets, and can be implemented with more compact models and data files. In this work, two state-of-the-art score based models are trained on the same set of calorimeter simulation and directly compared.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google