Mar, 2024

NuGraph2：中微子物理事件重建的图神经网络

PDF
TL;DR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。
liquid argon time projection chamberlartpc detector technologygraph neural networksimulated neutrino interactionsparticle reconstruction
发现论文，激发创造
  • 使用距离加权图网络学习不规则粒子探测器几何图形的表示

    本论文探索了使用图网络处理粒子重建中不规则几何探测器，并提出了两个基于距离加权的图网络架构， GarNet 和 GravNet，性能通过与替代方法的定量比较来评价，得出了这些算法提供了一种有趣的替代方法，既能够提供同等性能，也能够用更少的资源消耗和更少的基于探测器几何结构的假设而进行推广到其他探测器

    Feb, 2019

  • 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

  • 将图神经网络重新送回测试台进行高能粒子物理应用的案例研究

    高能粒子碰撞中，基本碰撞产物通常会进一步衰变，形成具有预先未知多样性的树状分层结构。本文描述了一个典型的图神经网络（GNN）与深度全连接前馈神经网络体系结构的基准测试，并以在 CERN 的大型强子对撞机上在由质子 - 质子碰撞产生的带有顶夸克 - 反夸克对的最终态 X 的分类为物理案例进行对比。

    Feb, 2024

  • 用于粒子流重建的可扩展神经网络模型与万亿级数据集

    研究了可扩展的机器学习模型，用于基于高粒度探测器模拟的高能电子 - 正电子碰撞的完全事件重建。比较了图神经网络和基于核的变压器，并证明两者在实现逼真的粒子流重建时，同时避免了二次内存分配和计算成本。展示了在超级计算机上进行的超参数调整显著改善了模型的物理性能。还展示了所得模型在支持 Nvidia、AMD 和 Intel Habana 卡的硬件处理器上具有高度可移植性。最终证明了该模型可以在由径迹和电量计击中构成的高粒度输入上进行训练，从而获得与基线相竞争的物理性能。根据可寻找、可获取、可互用和可复用（FAIR）原则发布了用于重现研究的数据集和软件。

    Sep, 2023

  • 对称图神经网络用于带电粒子跟踪

    本研究介绍一种新的对称等变图神经网络 EuclidNet 用于粒子轨迹跟踪应用，利用碰撞事件的图表示并在探测器轴线上强制执行旋转对称，实现更有效的模型，在 HL-LHC 高堆积条件模拟数据集上，EuclidNet 在小模型尺寸下（<1000 参数）表现出接近最先进水平的性能，超越了非等变基准。这项研究为将来在高能物理实验中开发更节省资源的图神经网络模型打开了道路。

    Apr, 2023

  • 基于图神经网络的 TRIDENT 中微子重建

    TRIDENT 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。

    Jan, 2024

  • 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

  • 粒子物理中的图神经网络

    介绍了图神经网络在粒子物理学中应用的各种情况，并探讨了它在粒子物理学中的潜在应用。

    Jul, 2020

  • 基于 FPGA 的粒子轨迹跟踪的低延迟边缘分类 GNN

    本文提出了一种基于 FPGA 的资源高效的 GNN 架构，用于低延迟的粒子轨迹重建，该架构在 Xilinx UltraScale + VU9P 上的结果表明，相比于 CPU 和 GPU，性能提高了 1625X 和 1574X。

    Jun, 2023

  • 利用生成对抗网络加速科学：3D 多层量热器中粒子阵列的应用

    介绍了一种基于深度神经网络的准确，快速的电磁量能器模拟方法，可以快速生成大量实验数据，突破了现有算法和计算资源难以满足需求的问题，为探索物理学新领域提供了可能。

    May, 2017