Geant4
PulseAugur coverage of Geant4 — every cluster mentioning Geant4 across labs, papers, and developer communities, ranked by signal.
-
新的 WGAN 方法使用对抗学习校正传感器数据漂移
研究人员开发了一种新颖的方法，使用 Wasserstein 生成对抗网络（WGAN）来校正由运动或老化等因素引起的传感器数据分布漂移。该方法将生成器视为一个可学习的校准变换，而判别器通过 Wasserstein 目标提供分布距离信号。该技术成功应用于模拟量热仪数据，准确恢复了老化系数并改善了能量总和分布的一致性，表明其在缺乏退化直接标签的数据驱动校准策略中的潜力。
-
GPT风格模型加速CLAS12探测器模拟
研究人员开发了一种GPT风格的自回归Transformer模型，用于模拟托马斯杰斐逊国家加速器设施CLAS12实验的探测器命中。该模型以入射动量为条件，生成跨越九个量能器层的逼真探测器命中，重现了关键的物理特性。这种生成方法在单个GPU上实现了超过每秒700个事件的推理速度，显著优于传统的基于Geant4的模拟，同时为高亮度实验保持了必要的物理保真度。
-
CaloTrilogy框架加速粒子物理模拟
研究人员开发了CaloTrilogy，一个用于粒子物理高精度量热仪模拟的新型框架。该方法结合了用于快速采样的平均速度场积分器、学习到的生成先验和物理引导的损失项。该方法允许端到端生成，评估步骤最少，实现了与现有流模型和扩散模型相当的粒子流质量，同时保持了物理保真度。
-
视觉Transformer加速物理学中的量能器仿真
研究人员开发了一种通用的视觉Transformer（ViT），能够以高精度和高速度模拟高能物理探测器中的量能器响应。这种新架构基于CaloDREAM，在各种几何形状和探测器上都表现出鲁棒性，生成的电磁和强子流与Geant4等既有仿真方法相比，偏差极小。ViT在单个GPU上实现了数十到数百毫秒的仿真时间，预训练后进行微调可进一步提高效率和保真度。