MétaCan
Menu
Retour à la cohorte
Enregistrement W4396662038 · doi:10.1051/epjconf/202429503018

Geant4 electromagnetic physics for Run3 and Phase2 LHC

2024· article· en· W4396662038 sur OpenAlexaff
Jonas Hahnfeld, V. Ivanchenko, Mihály Novák, L. Pandola, D Sawkey

Notice bibliographique

RevueEPJ Web of Conferences · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensSiemens (Canada)
Organismes subventionnairesnon disponible
Mots-clésLarge Hadron ColliderPhysicsParticle physicsPhysics beyond the Standard ModelNuclear physics

Résumé

récupéré en direct d'OpenAlex

For the new Geant4 series 11.X, the electromagnetic (EM) physics sub-libraries were revised and reorganized in view of requirements for simulation of Phase-2 LHC experiments. EM physics simulation takes a significant fraction of the available CPU during massive production of Monte Carlo events for LHC experiments. We present the recent evolution of Geant4 EM sublibraries for the simulation of gamma, electron, and positron transport. Updates of other components of EM physics are also discussed. These developments are included in the new Geant4 version 11.1 (December 2022). The most important modifications concern the reorganization of the initialization of EM physics and the introduction of alternative tracking software. These modifications affect the CPU efficiency of any simulation, and CPU savings depend on geometry and physics configuration for the concrete experimental setup. We will discuss several methods: gamma general process, Woodcock tracking, transportation with multiple scattering process, alternative tracking manager, and the new G4HepEm library. These developments provide a basis for the implementation of EM particle transport on co-processors and GPU. We also will present very recent updates in physics processes and in configuration of EM physics.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0040,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0490,022

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,265
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPJ Web of ConferencesMême sujetParticle Detector Development and PerformanceTravaux en français237 207