基于 Mixture of Experts 的基础模型在 GlueX DIRC 检测器中的应用

我们提出了一种基于 Mixture-of-Experts 的基础模型，用于 GlueX DIRC 检测器，展示了其作为快速模拟、粒子识别和 Cherenkov 光子逐点噪声过滤统一框架的实用性。通过在所有任务中共享单一的 Transformer 主干网络，该方法消除了任务特定管道的碎片化，同时在与既有方法相比时保持具有竞争力，甚至在某些情况下表现更优。该模型直接处理低层次检测器输入，按击穿逐点自回归生成，分割空间和时间词汇表并进行连续运动学条件化，支持通过其 Mixture-of-Experts 架构对 π 粒子和 K 粒子进行类别条件生成。我们在 GlueX DIRC 的完整运动学相空间上对其进行基准测试，与标准几何重建和先前深度学习方法进行比较，证明该基础模型框架在无需结构修改的情况下可有效迁移到此检测器。本工作将基础模型定位为 GlueX DIRC 分析当前提出的任务特定模型的实用且可扩展的替代方案。