条件付き正規化フローによるカロリメータ・シャワー・超解像：実装と統計的評価

arXiv stat.ML / 2026/3/31

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は高エネルギー物理学におけるカロリメータ超解像の問題に取り組み、性能を損なうことなく、計算およびハードウェアのコストを削減するために、より粗いカロリメータ読み出しから検出器の微細な情報を復元することを目指す。
prior work（arXiv:2308.11700）で提案された高速シミュレーション用の生成モデルが、超解像に転用可能かどうかを検討し、独立に再実装および学習を行う。学習には Geant4 Par04 のジオメトリを用い、CaloChallenge 2022 データセットを使用する。
モデル出力は、arXiv:2409.16336 に基づく手法を用いた、厳密な統計的評価フレームワークによって評価される。その目的は、参照となる分布を定量的に再現することである。
全体としての貢献は方法論的なものであり、条件付き正規化フローに基づく生成モデリングと、検出器再構成の忠実度を裏付ける統計的に根拠のある検証を結び付ける点にある。

Abstract

高エネルギー物理学において、詳細なカロリメータシミュレーションと再構成は、正確なエネルギー測定と粒子同定に不可欠である。しかし、その高い粒度は計算コストを大きくしてしまう。より粗い読出しから細かな情報を回復できるデータ駆動型手法を開発すること、すなわちカロリメータ・スーパーレゾリューションは、検出器性能を維持しながら計算およびハードウェアコストの両方を削減できる有望な方法を提供する。本論文は、高速シミュレーションのために元々設計された生成モデルをカロリメータ・スーパーレゾリューションに効果的に適用できるかどうかを調査する。具体的には、arXiv:2308.11700 で提案されたモデルを独立に再実装し、Geant4 Par04 カロリメータ幾何に基づく CaloChallenge 2022 データセットで学習する。最後に、arXiv:2409.16336 で導入された手法論に従い、厳密な統計的評価フレームワークを用いてモデルの性能を評価し、参照分布を再現する能力を定量的に検証する。