使用归一化流快速而准确地模拟量热计淋浴

我们介绍了caloflow，一个基于归一化流的快速探测器模拟框架。我们首次证明，归一化流能够以极高的保真度重现多通道量热计淋浴，为计算成本高昂的geant4模拟以及其他基于生成对抗网络（GAN）或变分自编码器（VAE）的最新快速模拟框架提供了一种新选择。除了常规的物理特征直方图和量热计淋浴图像外，我们引入了一种用于判断生成建模质量的新指标：训练用于区分真实图像和生成图像的分类器的性能。我们展示了GAN生成的图像几乎能够被分类器以100%的准确度识别，而来自caloflow生成的图像则更能欺骗分类器。更广泛地说，归一化流相比其他最新方法（GAN和VAE）具有几个优点，包括可处理的似然性、稳定和收敛的训练以及原则性模型选择。归一化流还提供了数据与潜在空间之间的双射映射，这可能在模拟之外有其他应用，例如，探测器展开。