Status: Bibliographieeintrag
Standort: ---
Exemplare:
---
| Online-Ressource |
Verfasst von: | Butter, Anja [VerfasserIn]  |
| Plehn, Tilman [VerfasserIn]  |
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 |
Generative networks for LHC events / Butter, Anja [VerfasserIn]; 19 Aug 2020 (Online-Ressource)
68921228