Lipschitz神经网络在Run 3 LHCb触发系统中的应用
高能物理 - 实验
2023-12-25 v1
摘要
当前大型强子对撞机数据采集运行（称为Run 3）的工作条件对欧洲核子研究中心LHCb实验的实时数据采集流程提出了前所未有的挑战。为应对预期中的亮度激增及随之而来的事件率，LHCb实验正在向完全基于软件的触发系统过渡。这一演进需要在硬件配置、软件范式和算法设计上进行创新。一项重要进展是将单调Lipschitz神经网络集成到LHCb触发系统中。这些深度学习模型提供了针对探测器不稳定性的认证鲁棒性，并能够编码领域特定的归纳偏置。这些特性对于包含重味触发，尤其是对于旨在通过利用美衰变独特的运动学和衰变拓扑来包含性地选择强子候选体的拓扑触发至关重要。本文描述了将Lipschitz神经网络集成到拓扑触发中的最新进展，突出了由此带来的对LHCb接收度内产生的高位移多体候选体灵敏度的提升。
引用
@article{arxiv.2312.14265,
title = {Applications of Lipschitz neural networks to the Run 3 LHCb trigger system},
author = {Blaise Delaney and Nicole Schulte and Gregory Ciezarek and Niklas Nolte and Mike Williams and Johannes Albrecht},
journal= {arXiv preprint arXiv:2312.14265},
year = {2023}
}
备注
8 pages, 2 figures