Доклад "Generative models uncertainty estimation" принят на конференцию "Learning to Discover : AI and High Energy Physics"

Learning to Discover : AI and High Energy Physics - проходящая в Орсе конференция, посвященная ИИ для физики

Image from the conference website

Никита Казеев

Аннотация. В последние годы для различных детекторов физики высоких энергий были предложены параметрические методы быстрого моделирования, основанные на генеративных моделях. По своей природе качество моделей, обучаемых на данных, ухудшается в областях фазового пространства, где данных мало. Поскольку модели машинного обучения трудно анализировать с точки зрения физических принципов, обычно используемые процедуры тестирования выполняются на основе данных и не могут быть надежно использованы в таких регионах. В нашем докладе мы предлагаем три метода оценки неопределенности генеративных моделей внутри и вне области обучающего фазового пространства, а также методы калибровки на основе данных. Также представлена проверка предлагаемых методов на задаче быстрого моделирования Черенковского детектора в эксперименте LHCb.