One flow to correct them all: improving simulations in high-energy physics with a single normalising flow and a switch

模拟事件是几乎所有高能物理分析的关键要素。然而，模拟中的不完美可能导致观察到的数据与模拟事件之间存在相当大的差异。这种不匹配对相关可观测量的影响必须通过有效的比例因子、权重或修改可观测量及其相关性的分布来进行纠正。我们介绍了一种纠正方法，它使用基于单一归一化流和布尔条件的简单结构，将一个多维分布（模拟）转换为另一个多维分布（数据）。我们在一个受物理启发的玩具数据集上演示了该方法的有效性，该数据集存在多个可观测量和它们之间的非平凡不匹配。

本论文旨在解决高能物理分析中模拟与观测数据之间存在的差异问题，提出了一种基于单一归一化流的校正方法。

该方法通过使用一个带有布尔条件的单一归一化流将多维分布（模拟数据）转换为另一个多维分布（观测数据），以解决模拟数据不准确的问题。

论文在一个物理启发的玩具数据集上展示了该方法的有效性，该数据集存在多个观测指标及其相关性的不准确模拟。该方法的设计简单，易于实现。论文未提供开源代码。

近期相关研究包括使用机器学习方法进行分析的方法、使用概率分布校正的方法等。