Passage of particles through matter and the effective straggling-function: High-fidelity accelerated simulation via Physics-Informed Machine Learning
Dit artikel introduceert PHIN-GAN, een nieuw physics-informed generatief neuraal netwerk dat met behulp van analytische waarschijnlijkheidsdichtheidsfuncties hoogwaardige simulaties van deeltjesinteracties met materie mogelijk maakt tegen een fractie van de computationele kosten van traditionele methoden zoals GEANT4.