PulseAugur
中
实时 05:49:35
English(EN) Lantern: Conflict-Aware Gradient Blending for Physics-Guided Diffusion Models in Calorimeter Simulation

新型Lantern模型将物理学与扩散模型相结合，用于LHC量热仪模拟

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Lantern，这是一种新颖的物理引导扩散模型，旨在改进高亮度LHC量热仪的模拟。与以往的方法不同，Lantern通过引入物理感知辅助损失（包括体素残差损失和图拉普拉斯损失）来解决扩散模型的统计性质，以确保物理准确性。该模型利用一种称为GradBlend的技术，有效地将这些基于物理的目标与标准的去噪目标相结合，从而在CaloChallenge Dataset 2上取得了改进的性能。 AI

影响 这项研究可能会加速高能物理模拟，从而可能实现对实验数据更快、更准确的分析。

排序理由 该集群包含一篇详细介绍物理引导扩散模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新型Lantern模型将物理学与扩散模型相结合，用于LHC量热仪模拟

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Farzana Yasmin Ahmad, Vanamala Venkataswamy, Geoffrey Fox ·

    Lantern：用于物理引导扩散模型在量能器模拟中的冲突感知梯度混合

    arXiv:2607.25060v1 Announce Type: cross Abstract: Monte Carlo simulation of calorimeter showers is a principal bottleneck for the High-Luminosity LHC, and diffusion models have emerged as fast, high-fidelity surrogates. Their denoising objective is purely statistical, however: a …

相关实体

相关话题