Core Concepts
正規化フローを使用して、Λハイペロンの信号抽出を改善するためのドメイン適応手法が提案されています。
Abstract
本研究は、正規化フローを用いたドメイン適応によるΛハイペロンの信号抽出の改善に焦点を当てています。以下は内容の概要です:
導入
SIDIS実験におけるΛ収量向上への取り組み。
機械学習が物理学研究で新しい手法として活用される。
データ
2018年秋ランで収集されたデータセットの利用。
測定データとMCシミュレーションデータ間の差異。
機械学習手法
正規化フローを使用したデータ変換手法。
モデルアーキテクチャとトレーニングプロセスの詳細。
結果
分類器性能や歪み復元に関する結果と考察。
正規化フローが提供する可能性と今後の研究課題。
Stats
正規化フローは、71次元入力および出力次元で訓練されました。
NFモデルは、52個のマスク付きアフィン層を持ちます。