用于 LHC 物理的脉冲神经网络异常检测
高能物理 - 唯象学
2025-08-04 v1 神经与进化计算
高能物理 - 实验
摘要
异常检测为在大型强子对撞机（LHC）上发现新物理提供了一种有前景的策略。本文研究了为此目的使用神经形态脉冲神经网络构建的自编码器。一个关键应用是在触发层级，异常检测工具可以捕获原本会被常规选择截断丢弃的信号。这些系统必须在严格的延迟和计算约束下运行。SNN 本质上非常适合低延迟、低内存的实时推理，尤其是在现场可编程门阵列（FPGA）上。随着专用神经形态硬件开发的快速进展，预计将获得进一步的增益。使用 CMS ADC2021 数据集，我们设计并评估了一个简单的 SNN 自编码器架构。结果表明，在所有信号模型中，SNN 自编码器在 LHC 异常检测方面与常规自编码器具有同等的竞争力。
引用
@article{arxiv.2508.00063,
title = {Anomaly detection with spiking neural networks for LHC physics},
author = {Barry M. Dillon and Jim Harkin and Aqib Javed},
journal= {arXiv preprint arXiv:2508.00063},
year = {2025}
}
备注
24 pages, 15 figures, 1 table