CaloClouds II: simulação de calorímetros altamente granulares e independentes de geometria ultra-rápida

Resumo A simulação rápida das deposições de energia em detectores altamente granulares é necessária para futuros experimentos em colliders com luminosidades cada vez maiores. Modelos de aprendizado de máquina (ML) generativos demonstraram acelerar e aumentar a cadeia de simulação tradicional na análise física. No entanto, a maioria dos esforços anteriores foi limitada a modelos que dependem de geometrias de leitura de detectores fixas e regulares. Um grande avanço é o modelo CaloClouds recentemente introduzido, um modelo de difusão independente de geometria, que gera chuvas de calorímetros como nuvens de pontos para o calorímetro eletromagnético do imaginado Detector Grande Internacional (ILD). Neste trabalho, apresentamos o CaloClouds II, que apresenta uma série de melhorias importantes. Isso inclui modelagem contínua baseada em pontuação no tempo, que permite uma amostragem de 25 passos com fidelidade comparável ao CaloClouds enquanto resulta em um aumento de 6× em relação ao Geant4 em uma única CPU (5× em relação ao CaloClouds). Além disso, destilamos o modelo de difusão em um modelo de consistência, permitindo amostragem precisa em um único passo e resultando em um aumento de 46× em relação ao Geant4 (37× em relação ao CaloClouds). Esta constitui a primeira aplicação de destilação de consistência para a geração de chuvas de calorímetro.