Ultra-High-Resolution Detector Simulation with Intra-Event Aware GAN and Self-Supervised Relational Reasoning

要約

高解像度の検出器の応答をシミュレートすることは、粒子物理学において長年の課題である計算集約的なプロセスです。
生成モデルにはそれを合理化する機能があるにもかかわらず、完全な超高粒度の検出器シミュレーションは、相関性のあるきめの細かい情報が含まれているため、依然として困難であることが判明しています。
これらの制限を克服するために、私たちは Intra-Event Aware Generative Adversarial Network (IEA-GAN) を提案します。
IEA-GAN は、検出器シミュレーションのイベントを近似し、適切な関係誘導バイアスを使用して状況に応じた高解像度の完全な検出器応答を生成するリレーショナル推論モジュールを提供します。
IEA-GAN では、自己監視型イベント内認識損失と均一性損失も導入されており、サンプルの忠実性と多様性が大幅に強化されています。
Belle II 実験では、750 万を超える情報チャネルを備えた超高粒度ピクセル頂点検出器 (PXD) 用のセンサー依存画像の生成における IEA-GAN のアプリケーションを実証します。
この研究の応用範囲は、HL-LHC (高輝度 LHC) などの高粒度の検出器シミュレーションのための基礎モデルから、シミュレーションベースの推論やきめ細かい密度推定まで多岐にわたります。
私たちの知る限り、IEA-GAN は、イベントベースの推論による忠実な超高粒度の完全な検出器シミュレーションのための最初のアルゴリズムです。

要約(オリジナル)

Simulating high-resolution detector responses is a computationally intensive process that has long been challenging in Particle Physics. Despite the ability of generative models to streamline it, full ultra-high-granularity detector simulation still proves to be difficult as it contains correlated and fine-grained information. To overcome these limitations, we propose Intra-Event Aware Generative Adversarial Network (IEA-GAN). IEA-GAN presents a Relational Reasoning Module that approximates an event in detector simulation, generating contextualized high-resolution full detector responses with a proper relational inductive bias. IEA-GAN also introduces a Self-Supervised intra-event aware loss and Uniformity loss, significantly enhancing sample fidelity and diversity. We demonstrate IEA-GAN’s application in generating sensor-dependent images for the ultra-high-granularity Pixel Vertex Detector (PXD), with more than 7.5 M information channels at the Belle II Experiment. Applications of this work span from Foundation Models for high-granularity detector simulation, such as at the HL-LHC (High Luminosity LHC), to simulation-based inference and fine-grained density estimation. To our knowledge, IEA-GAN is the first algorithm for faithful ultra-high-granularity full detector simulation with event-based reasoning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google