JetPrism: neue Methode zur Verifizierung von Monte‑Carlo in Kernphysik

In der Kernphysik sind hochpräzise Monte‑Carlo‑Simulationen und komplexe Inverse‑Probleme unverzichtbar, doch ihre Rechenintensität stellt eine große Herausforderung dar. Die neuartige Technik Conditional Flow Matching (CFM) verspricht eine beschleunigte Lösung, doch die Standard‑Trainingsverluste zeigen sich in praxisnahen Anwendungen oft irreführend: Sie erreichen frühzeitig ein Plateau und geben keinen zuverlässigen Hinweis auf die eigentliche Konvergenz oder physikalische Genauigkeit.

Um dieses Problem zu lösen, hat das Forschungsteam JetPrism entwickelt – ein konfigurierbares CFM‑Framework, das als effiziente generative Ersatzlösung für die Bewertung von unbedingter Generierung und bedingtem Detektor‑Unfolding dient. Durch synthetische Belastungstests und die Analyse eines Jefferson‑Lab‑Datensatzes (γ p → ρ⁰ p → π⁺π⁻ p), der für den kommenden Electron‑Ion‑Collider (EIC) von Bedeutung ist, konnte gezeigt werden, dass physikbezogene Metriken noch lange nach dem scheinbaren Abschluss des Standard‑Losses weiter steigen.

JetPrism führt deshalb ein mehrdimensionales Evaluationsprotokoll ein, das neben marginalen und paarweisen χ²‑Statistiken auch W₁‑Abstände, Distanzmaße der Korrelationsmatrix (D_corr) und Nearest‑Neighbor‑Distance‑Ratios (R_NN) nutzt. Diese domänenspezifischen Kennzahlen übertreffen generische Verlustmetriken und garantieren eine präzise statistische Übereinstimmung mit den Ground‑Truth‑Daten, ohne dass das Modell die Trainingsdaten einfach nur memoriert.

Die Ergebnisse demonstrieren, dass JetPrism als zuverlässiger generativer Ersatz fungiert und die Genauigkeit von Monte‑Carlo‑Simulationen in der Kernphysik nachhaltig verbessert. Durch die Kombination aus schneller Konvergenz und robusten, physikorientierten Metriken bietet JetPrism einen bedeutenden Fortschritt für die Analyse komplexer Inverse‑Probleme und die Vorbereitung zukünftiger Experimente am EIC.