PulseAugur
中
实时 07:24:51
English(EN) Learning Transverse Momentum Distributions from Raw Scattering Events via Conditional Diffusion

扩散模型从原始数据中提取粒子动量分布

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的条件扩散模型，用于从原始散射事件数据中提取横向动量依赖的粒子分布函数（TMD PDFs）。该方法绕过了传统的参数化函数形式，提供了更大的灵活性并简化了不确定性量化。在电子-离子对撞机CLAS12实验的模拟数据上进行了测试，该模型能够准确地恢复底层的TMDs，并即使在事件统计量有限的情况下也能提供可靠的估计，这对于当前和未来的实验都具有重要意义。 AI

影响 这种方法可以加速高能物理中复杂实验数据的分析，从而实现更快的发现。

排序理由 该条目是一篇arXiv预印本，详细介绍了一种用于科学数据分析的新机器学习方法。[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 →

扩散模型从原始数据中提取粒子动量分布

本文如何被排名

Signal score
22 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目是一篇arXiv预印本，详细介绍了一种用于科学数据分析的新机器学习方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jitao Xu, Christopher Cocuzza, Kevin Braga, Daniel Lersch, Nobuo Sato, Yaohang Li ·

    从原始散射事件中学习横向动量分布：基于条件扩散模型

    arXiv:2608.27077v1 Announce Type: cross Abstract: Extracting transverse momentum dependent parton distribution functions (TMD PDFs) from semi-inclusive deep inelastic scattering (SIDIS) data is a central goal of the nucleon structure program at Jefferson Lab and the future Electr…

相关实体

相关话题