从MadGraph中挖掘金子以改善粒子物理中的限制设置。
项目描述
MadMiner: 基于机器学习的粒子物理推理
由Johann Brehmer, Felix Kling, Irina Espejo, Sinclert Pérez和Kyle Cranmer编写
介绍
粒子物理过程通常使用复杂的蒙特卡洛模拟来建模硬过程、部分子喷注和探测器相互作用。这些模拟器通常不接受可处理的似然函数：给定一个（可能是高维的）可观察量集，通常无法计算这些可观察量对于某些模型参数的概率。粒子物理学家通常通过手工挑选一些“好的”可观察量或汇总统计量并填充它们的直方图来解决“无似然推理”问题。但这种传统方法丢弃了所有其他可观察量的信息，并且通常不适用于高维问题。
在《利用机器学习约束有效场论》、《有效场论机器学习指南》和《从隐式模型中挖掘金子以提高无似然推理》三篇论文中，开发了一种新的方法。简而言之，从模拟中提取出与决定硬过程的矩阵元密切相关的信息。这种“增强数据”可以用于训练神经网络，有效地逼近任意似然比。我们戏称这个过程为从模拟器中“挖掘金子”，因为这种信息可能难以获得，但最终对于推理非常宝贵。
但金子不必难挖：MadMiner自动化了这些现代多元推理策略。它围绕MadGraph和Pythia模拟器，提供了不同的探测器模拟选项。它简化了分析链中的所有步骤，从模拟到增强数据的提取，处理，神经网络的训练和评估，以及统计分析都得到了实现。
资源
论文
我们主要发表的论文《MadMiner：基于机器学习的粒子物理推理》概述了此软件包。我们建议在查看代码之前先阅读这篇论文。
安装说明
请参阅我们的安装说明。
教程
在这个存储库的示例文件夹中，我们提供了两个教程。第一个是名为玩具模拟器，它基于玩具问题而不是完整的粒子物理模拟。它展示了使用MadMiner进行推理，而不在运行模拟的更技术步骤上花费太多时间。第二个，名为粒子物理，展示了使用MadMiner进行粒子物理分析的所有步骤。
这些示例是在线教程的基础，该教程基于Jupyter Books构建。它还介绍了如何使用Docker运行MadMiner，这样您就不需要安装Fortran、MadGraph、Pythia、Delphes等。您甚至可以使用Binder不安装即可运行。
文档
madminer API的文档在Read the Docs上。
支持
如果您有任何问题，请在我们的Gitter社区中与我们聊天。
引用
如果您使用MadMiner，请引用我们的主要出版物
@article{Brehmer:2019xox,
author = "Brehmer, Johann and Kling, Felix and Espejo, Irina and Cranmer, Kyle",
title = "{MadMiner: Machine learning-based inference for particle physics}",
journal = "Comput. Softw. Big Sci.",
volume = "4",
year = "2020",
number = "1",
pages = "3",
doi = "10.1007/s41781-020-0035-2",
eprint = "1907.10621",
archivePrefix = "arXiv",
primaryClass = "hep-ph",
SLACcitation = "%%CITATION = ARXIV:1907.10621;%%"
}
代码本身可以引用为
@misc{MadMiner_code,
author = "Brehmer, Johann and Kling, Felix and Espejo, Irina and Perez, Sinclert and Cranmer, Kyle",
title = "{MadMiner}",
doi = "10.5281/zenodo.1489147",
url = {https://github.com/madminer-tool/madminer}
}
实现推理技术的主体参考文献如下
- CARL: 1506.02169.
- MAF: 1705.07057.
- CASCAL, RASCAL, ROLR, SALLY, SALLINO, SCANDAL
- ALICE, ALICES: 1808.00973.
致谢
我们对所有贡献者和错误报告者深表感激！特别感谢Zubair Bhatti、Philipp Englert、Lukas Heinrich、Alexander Held、Samuel Homiller和Duccio Pappadopulo。
SCANDAL推理方法基于掩码自回归流，其中我们的实现是George Papamakarios的原始代码的PyTorch移植，可在此存储库找到。
我们感谢IRIS-HEP和DIANA-HEP的支持。
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
源代码发行版
构建发行版
madminer-0.9.6.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 17eedd09da79db371530336904f248e8cde00032a53e50bbe36cbbb92f1c0939 |
|
| MD5 | d6ade79a2a37f93b851f464227752e2d |
|
| BLAKE2b-256 | 2d88a1d87a6642f13ef182eb49e40beb4d69c2f860a9b658ad30bde40b516d86 |
madminer-0.9.6-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | f278edf7204d246727df16cf0229c4df5b5b9c7fdd644ccd5a6d19885acc22e3 |
|
| MD5 | 3bbd173938841e1bbd67a5682e8be4e2 |
|
| BLAKE2b-256 | 95ed38eadac21c42df2ba9756e74d33f5516fc9842d140f40224eec822e8d636 |
