Buchumschlag

How to GAN higher jet resolution

Weitere Versionen anzeigen (1)

QCD-jets at the LHC are described by simple physics principles. We show how super-resolution generative networks can learn the underlying structures and use them to improve the resolution of jet images. We test this approach on massless QCD-jets and on fat top-jets and find that the network reproduc...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Baldi, Pierre (VerfasserIn) , Blecher, Lukas (VerfasserIn) , Butter, Anja (VerfasserIn) , Collado, Julian (VerfasserIn) , Howard, Jessica N. (VerfasserIn) , Keilbach, Fabian (VerfasserIn) , Plehn, Tilman (VerfasserIn) , Kasieczka, Gregor (VerfasserIn) , Whiteson, Daniel (VerfasserIn)
Dokumenttyp: Article (Journal)
Sprache:Englisch
Veröffentlicht: 23 September 2022
In: SciPost physics
Year: 2022, Jahrgang: 13, Heft: 3, Pages: 1-22
ISSN:2542-4653
DOI:10.21468/SciPostPhys.13.3.064
Online-Zugang:Verlag, lizenzpflichtig, Volltext: https://doi.org/10.21468/SciPostPhys.13.3.064
Verlag, lizenzpflichtig, Volltext: https://scipost.org/10.21468/SciPostPhys.13.3.064
Volltext
Verfasserangaben:Pierre Baldi, Lukas Blecher, Anja Butter, Julian Collado, Jessica N. Howard, Fabian Keilbach, Tilman Plehn, Gregor Kasieczka and Daniel Whiteson
Beschreibung
Zusammenfassung:QCD-jets at the LHC are described by simple physics principles. We show how super-resolution generative networks can learn the underlying structures and use them to improve the resolution of jet images. We test this approach on massless QCD-jets and on fat top-jets and find that the network reproduces their main features even without training on pure samples. In addition, we show how a slim network architecture can be constructed once we have control of the full network performance.
Beschreibung:Im PDF ist irrtümlich ein falsches Erscheinungsdatum angegeben: 23-09-2023
Gesehen am 15.11.2023
Beschreibung:Online Resource
ISSN:2542-4653
DOI:10.21468/SciPostPhys.13.3.064

Ähnliche Einträge