Sep, 2022

Snowmass 2021 计算前沿 CompF03 专题组报告：机器学习

PDF
TL;DR机器学习与高能物理的交叉发展对于我们的社区既是机遇也是挑战，需要支持这一跨学科社区，包括在两个领域的交叉处进行专门的研究，投资于大学的高性能计算等方面。同时，我们需要提供职业生涯规划，以吸引年轻的研究人员投入到机器学习关于高能物理领域的研究中。
machine learninghigh energy physicsinterdisciplinary communityresearchcareer paths
发现论文，激发创造
  • 高能物理社区机器学习白皮书

    本文讨论机器学习在粒子物理学研究中的应用前景和可行性，并详述实现机器学习在粒子物理学上开发所需的软硬资源、与数据科学社区、学术界和产业界的合作倡议以及对粒子物理学界在数据科学培训上进行的工作。旨在将研究和开发与物理驱动器连接起来，并确定实现它们的资源需求，以及其他社区的合作领域。

    Jul, 2018

  • 高能物理图像分类：喷注应用综述

    深度学习在高能物理实验和现象学研究中的应用进行了综合评估，调查了多种深度学习方法在高能物理图像领域的应用，包括数据集、预处理技术、特征提取和选择方法等方面，并详细讨论了其在高能物理研究中的应用及挑战和未来研究方向。

    Mar, 2024

  • 高能物理的人工智能安全

    本研究探讨了在高能物理学中使用深度学习的优势，以及将其与传统工作流程相结合可能带来的潜在问题。我们提出了一种 AI 安全的概念来控制可能存在的未被考虑的不确定因素，并希望引起学界对将深度学习应用于实验分析的讨论。

    Oct, 2019

  • 深度学习及其在 LHC 物理中的应用

    本文介绍机器学习和深度学习在高能物理数据分析中的应用，包括神经网络核心概念、LHC 数据分析的关键结果以及未来的前景和担忧。

    Jun, 2018

  • 现代机器学习与粒子物理学

    介绍现代机器学习在粒子物理领域的应用，重点关注大型强子对撞机中的信号 / 背景识别任务，包括使用监督学习和直接数据驱动方法等。文末还讨论了该领域存在的挑战和未来发展方向。

    Mar, 2021

  • 基于机器学习的物理事件生成调查

    介绍机器学习在事件生成中的应用，重点讨论了用于 ML 事件生成的 ML 生成模型及其所涉及的挑战、各种将物理知识融入 ML 模型设计的方法以及相关的一些开放性问题。

    Jun, 2021

  • 基于细调基础模型的联合分析优化

    高能物理学中的重建与分析可以通过采用现代机器学习工作流程（如预训练、微调、领域适应和高维嵌入空间）超越顺序优化或重建分析组件的标准范例，实现性能和数据效率的显著提升。

    Jan, 2024

  • 混合量子经典图卷积网络

    本研究提出一个混合量子经典图卷积网络 (QGCNN) 来处理高能物理数据中的稀疏数据，其在参数数量方面比经典多层感知器和卷积神经网络具有优势，并且在测试准确性方面与量子卷积神经网络相当。同时，研究表明探究图卷积操作和其他量子机器学习模型的应用可能有利于推动高能物理研究和其他科学领域。

    Jan, 2021

  • 核物理中的机器学习

    该论文综述了机器学习方法在核物理研究中的广泛应用，推动了科学发现和社会应用的进步。

    Dec, 2021

  • 利用大型语言模型的物理事件分类

    2023 AI4EIC hackathon at The Catholic University of America brought together researchers to discuss the latest developments in AI and Machine Learning for the Electron Ion Collider, and the hackathon involved using a chatbot powered by ChatGPT-3.5 to analyze physics data.

    Apr, 2024