Jan, 2024

基于图神经网络的 TRIDENT 中微子重建

PDF
TL;DRTRIDENT 是下一代位于南海的热带深海中微子望远镜，使用先进的混合数字光学模块（hDOMs），旨在发现多个天体物理中微子源并探索全味道中微子物理。本文基于图神经网络（GNN）提出了一种新颖的重建方法，并介绍了该方法在 TRIDENT 的轨迹型和淋浴型中微子事件的重建性能。
tridentneutrino telescopesouth china seagraph neural networkreconstruction performance
发现论文，激发创造
  • NuGraph2：中微子物理事件重建的图神经网络

    利用液体氩时间投影室（LArTPC）探测器技术进行粒子重建是本文描述的主要技术，使用了基于图神经网络（Graph Neural Network，GNN）的 NuGraph2 算法对模拟中微子相互作用进行低级重建，同时提供了高效的背景过滤和语义标记方法，旨在用于中微子物理学中的粒子重建。

    Mar, 2024

  • 冰立方实验的最新中微子振荡结果

    使用卷积神经网络重建中子样本的 IceCube 深层探测器，提出并比较了最近的大气微中子消失分析结果与世界上现有的测量结果。

    Jul, 2023

  • 卷积神经网络中微中子事件分类器

    本文描述了卷积神经网络（CNN）在粒子物理学领域的应用，尤其是在高能中微子物理学和高能物理学中通常使用的采样量热计中识别粒子相互作用问题上的应用，通过 CVN（卷积视觉网络）算法对中微子相互作用进行拓扑识别，不需要详细重建，优于目前 NOvA 协作组使用的算法。

    Apr, 2016

  • 冰立方信号分类的图神经网络

    本文提出了一种基于图神经网络的信号检测算法，将冰立方探测器阵列建模成图形，通过学习传感器间的空间坐标构建边，实现仅针对输入信号支持计算的自适应计算，并在对冰立方探测器事件分类任务中展示了其优越性。

    Sep, 2018

  • 利用 Transformer 模型提取能源材料的薄膜结构

    引入了一种名为 N-TRACE（Neutron-Transformer Reflectometry and Advanced Computation Engine）的神经网络模型，使用 transformer 架构进行中子反射测量数据分析，提供快速、准确的初始参数估计和高效的细化，提高锂介导的氮还原电化学合成中实时数据分析的效率和精度，与其他化学转化和电池相关。尽管在系统间推广方面存在局限性，但它表现出 transformer 作为基于模型的反射测量数据建模的试错方法替代的潜力。

    Jun, 2024

  • 利用深度学习重建深度非弹性散射的运动学

    本文通过利用深度神经网络方法重建中性电流深度非弹性散射（DIS）的运动学，能够比传统方法更好地利用两个散射的信息和较好解决 QED 辐射问题，同时提高了分辨力和降低了偏差，从而为未来的实验在运动学方面扩展探测范围并提高极化及核非弹性散射发现的潜力。

    Oct, 2021

  • 用于轨迹重建的新型深度学习方法

    研究报告介绍了瑞士大型强子对撞机粒子轨迹重建中机器学习的解决方案，包括两种新的基于 RNN 和 GNN 的深度学习模型，能够高效地处理具有时序关联性和连通性的空间点数据。

    Oct, 2018

  • 适应尺度的三叉戟网络在目标检测中的应用

    本次研究旨在解决目标检测中的比例变化问题，提出了 Trident Network，利用控制实验研究感受野对于比例变化的影响，构建并训练出一个多分支并行架构，每个枝干共享相同的转换参数但具有不同的感受野，通过采样适当比例的对象实例进行专业化训练，其在 COCO 数据集上取得了 48.4 mAP 的最优表现。

    Jan, 2019

  • 大型液体闪烁体探测器中电子反中微子选择的可解释机器学习方法

    通过机器学习模型，我们展示了在液体闪烁体探测器中，如何用全连接神经网络作为强大的事例选择工具，以区分信号和背景，并能在探测器边缘仍保留信号事件，提供了反应堆中微子实验中事件选择的解释性分析，从而可用于改进和更新传统的事件选择方法。

    Jun, 2024

  • 神经网络在快速中微子味转换后的超新星中微子能谱重建中的应用

    本研究中，我们探索了多能量中子流体中的快速味转换，并使用物理信息神经网络预测其渐近结果。

    Jan, 2024