Navigation überspringen
Universitätsbibliothek Heidelberg

disk Markieren   Persönliche Notiz
Drucker
Andere Formate
Exportieren/Zitieren
Status: Bibliographieeintrag
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Butter, Anja [VerfasserIn]   i
 Plehn, Tilman [VerfasserIn]   i
 Schumann, Steffen [VerfasserIn]   i
 Badger, Simon [VerfasserIn]   i
 Caron, Sascha [VerfasserIn]   i
 Cranmer, Kyle [VerfasserIn]   i
 Di Bello, Francesco Armando [VerfasserIn]   i
 Dreyer, Etienne [VerfasserIn]   i
 Forte, Stefano [VerfasserIn]   i
 Ganguly, Sanmay [VerfasserIn]   i
 Gonçalves, Dorival [VerfasserIn]   i
 Gross, Eilam [VerfasserIn]   i
 Heimel, Theo [VerfasserIn]   i
 Heinrich, Gudrun [VerfasserIn]   i
 Heinrich, Lukas [VerfasserIn]   i
 Held, Alexander [VerfasserIn]   i
 Höche, Stefan [VerfasserIn]   i
 Howard, Jessica N. [VerfasserIn]   i
 Ilten, Philip [VerfasserIn]   i
 Isaacson, Joshua [VerfasserIn]   i
 Janßen, Timo [VerfasserIn]   i
 Jones, Stephen [VerfasserIn]   i
 Kado, Marumi [VerfasserIn]   i
 Kagan, Michael [VerfasserIn]   i
 Kasieczka, Gregor [VerfasserIn]   i
 Kling, Felix [VerfasserIn]   i
 Kraml, Sabine [VerfasserIn]   i
 Krause, Claudius [VerfasserIn]   i
 Krauss, Frank [VerfasserIn]   i
 Kröninger, Kevin [VerfasserIn]   i
 Barman, Rahool Kumar [VerfasserIn]   i
 Luchmann, Michel [VerfasserIn]   i
 Magerya, Vitaly [VerfasserIn]   i
 Maitre, Daniel [VerfasserIn]   i
 Malaescu, Bogdan [VerfasserIn]   i
 Maltoni, Fabio [VerfasserIn]   i
 Martini, Till [VerfasserIn]   i
 Mattelaer, Olivier [VerfasserIn]   i
 Nachman, Benjamin [VerfasserIn]   i
 Pitz, Sebastian [VerfasserIn]   i
 Rojo, Juan [VerfasserIn]   i
 Schwartz, Matthew [VerfasserIn]   i
 Shih, David [VerfasserIn]   i
 Siegert, Frank [VerfasserIn]   i
 Stegeman, Roy [VerfasserIn]   i
 Stienen, Bob [VerfasserIn]   i
 Thaler, Jesse [VerfasserIn]   i
 Verheyen, Rob [VerfasserIn]   i
 Whiteson, Daniel [VerfasserIn]   i
 Winterhalder, Ramon [VerfasserIn]   i
 Zupan, Jure [VerfasserIn]   i
Titel:Machine learning and LHC event generation
Verf.angabe:Anja Butter, Tilman Plehn, Steffen Schumann (Editors), Simon Badger, Sascha Caron, Kyle Cranmer, Francesco Armando Di Bello, Etienne Dreyer, Stefano Forte, Sanmay Ganguly, Dorival Gonçalves, Eilam Gross, Theo Heimel, Gudrun Heinrich, Lukas Heinrich, Alexander Held, Stefan Höche, Jessica N. Howard, Philip Ilten, Joshua Isaacson, Timo Janßen, Stephen Jones, Marumi Kado, Michael Kagan, Gregor Kasieczka, Felix Kling, Sabine Kraml, Claudius Krause, Frank Krauss, Kevin Kröninger, Rahool Kumar Barman, Michel Luchmann, Vitaly Magerya, Daniel Maitre, Bogdan Malaescu, Fabio Maltoni, Till Martini, Olivier Mattelaer, Benjamin Nachman, Sebastian Pitz, Juan Rojo, Matthew Schwartz, David Shih, Frank Siegert, Roy Stegeman, Bob Stienen, Jesse Thaler, Rob Verheyen, Daniel Whiteson, Ramon Winterhalder, and Jure Zupan
E-Jahr:2022
Jahr:14 Mar 2022
Umfang:34 S.
Fussnoten:Gesehen am 15.09.2022
Titel Quelle:Enthalten in: Arxiv
Ort Quelle:Ithaca, NY : Cornell University, 1991
Jahr Quelle:2022
Band/Heft Quelle:(2022), Artikel-ID 2203.07460, Seite 1-34
Abstract:First-principle simulations are at the heart of the high-energy physics research program. They link the vast data output of multi-purpose detectors with fundamental theory predictions and interpretation. This review illustrates a wide range of applications of modern machine learning to event generation and simulation-based inference, including conceptional developments driven by the specific requirements of particle physics. New ideas and tools developed at the interface of particle physics and machine learning will improve the speed and precision of forward simulations, handle the complexity of collision data, and enhance inference as an inverse simulation problem.
DOI:doi:10.48550/arXiv.2203.07460
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: https://doi.org/10.48550/arXiv.2203.07460
 Volltext: http://arxiv.org/abs/2203.07460
 DOI: https://doi.org/10.48550/arXiv.2203.07460
Datenträger:Online-Ressource
Sprache:eng
Sach-SW:High Energy Physics - Experiment
 High Energy Physics - Phenomenology
K10plus-PPN:1808508858
Verknüpfungen:→ Sammelwerk

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/68935680   QR-Code
zum Seitenanfang

© Universitätsbibliothek HeidelbergMailImpressum / Datenschutz   Design