新的KAN方法解剖了Pythia-Herwig在物理事件生成中的差异

研究人员开发了一种新的方法，使用加性Kolmogorov-Arnold网络（KANs）来分析高能物理事件生成器（如Pythia和Herwig）之间的差异。这种方法允许分阶段的功能分析，将差异分解到模拟的各个层面，从硬散射到强子化。研究发现，多重性的差异在淋浴层面很突出，而在强子化后，喷流质量和形状变得更加重要，在完整的生成器配置中出现混合结构。这个基于KAN的框架提供了生成器模型依赖性的详细功能解剖，揭示了持续的结构和支持失败。 AI

影响 引入了一个新颖的基于KAN的框架，用于剖析复杂模拟模型中的差异，可能适用于其他科学领域。

排序理由 该集群包含一篇学术论文，详细介绍了一种分析物理事件生成器差异的新方法。 [lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• Arghya Chattopadhyay
• arXiv
• Herwig
• high energy physics
• Kolmogorov-Arnold Networks
• Pythia

• 论文
• 其他

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