PulseAugur
中
实时 04:40:41

AI框架增强物理学和宇宙学中的参数推断

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的机器学习框架，使用XGBoost来模拟高能物理学和宇宙学中复杂的似然景观。这种方法提供了显著的计算效率和改进的置信区域分辨率，特别是对于具有复杂相关性或简并性的分析。该框架已成功应用于研究B介子衰变中的味异常，并可适用于其他现象学系统。此外，还使用了SHAP值来确保模型的预测是透明和物理可解释的。 AI

影响 这项研究展示了机器学习如何加速和提高复杂科学模拟的可解释性，有可能在粒子物理学和宇宙学等领域加快发现速度。

排序理由 详细介绍一种用于物理学模拟的新机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI框架增强物理学和宇宙学中的参数推断

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Siannah Peñaranda ·

    物理一致参数推断：高能物理和宇宙学中的透明机器学习模拟

    Global fits in high energy physics and cosmology often face the challenge of exploring high-dimensional parameter spaces with computationally expensive or topologically complex likelihood functions. In this work, we present a Machine Learning framework designed to emulate complex…

相关实体

相关话题