Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Butter, Anja [VerfasserIn]   i
 Plehn, Tilman [VerfasserIn]   i
Titel:Generative networks for LHC events
Verf.angabe:Anja Butter and Tilman Plehn
E-Jahr:2020
Jahr:19 Aug 2020
Umfang:41 S.
Fussnoten:Gesehen am 09.11.2022
Titel Quelle:Enthalten in: De.arxiv.org
Ort Quelle:[S.l.] : Arxiv.org, 1991
Jahr Quelle:2020
Band/Heft Quelle:(2020), Artikel-ID 2008.08558, Seite 1-41
Abstract:LHC physics crucially relies on our ability to simulate events efficiently from first principles. Modern machine learning, specifically generative networks, will help us tackle simulation challenges for the coming LHC runs. Such networks can be employed within established simulation tools or as part of a new framework. Since neural networks can be inverted, they also open new avenues in LHC analyses.
URL:Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.

Volltext: http://arxiv.org/abs/2008.08558
Datenträger:Online-Ressource
Sprache:eng
Sach-SW:High Energy Physics - Phenomenology
K10plus-PPN:1804075914
Verknüpfungen:→ Sammelwerk

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/68921228   QR-Code
zum Seitenanfang